Peringkat model Kepatuhan instruksi

Lihat model AI mana yang paling baik di Kepatuhan instruksi, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Metrik ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

0.8

Model terbaik

Gemini 3 Flash Preview 0.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah118 Dengan alasan kegagalan Tidak mengikuti instruksi82 Dengan alasan kegagalan Kesalahan API25 Dengan alasan kegagalan Format tambahan8 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Tidak ada jawaban2

461/461

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#228	GPT-5.5 none	OpenAI	0.6	0.7	$1.212	1/2	1.15s
Total Tes 2 Tes Salah 1 Total Biaya $1.212 Waktu respons (rata-rata) 1.15s
#287	Qwen3.5 Plus 2026-04-20 none	Qwen	0.6	0.6	$0.216	1/2	1.17s
Total Tes 2 Tes Salah 1 Total Biaya $0.216 Waktu respons (rata-rata) 1.17s
#328	GPT-6 Luna none	OpenAI	0.6	0.5	$0.026	1/2	17.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.026 Waktu respons (rata-rata) 17.0s
#331	Seed-2.0-Code none	Bytedance Seed	0.6	0.5	$0.257	1/2	1.80s
Total Tes 2 Tes Salah 1 Total Biaya $0.257 Waktu respons (rata-rata) 1.80s
#345	Qwen3.6 35B A3B none	Qwen	0.6	0.5	$0.105	1/2	1.86s
Total Tes 2 Tes Salah 1 Total Biaya $0.105 Waktu respons (rata-rata) 1.86s
#403	GLM 4.7 Flash medium	Z.ai	0.6	0.4	$0.193	1/2	2.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.193 Waktu respons (rata-rata) 2.97s
#155	Space Bunny Alpha high	Stealth	0.6	0.8	$0.000	1/2	2.04s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 2.04s
#262	Qwen3.6 27B none	Qwen	0.6	0.6	$0.148	1/2	1.92s
Total Tes 2 Tes Salah 1 Total Biaya $0.148 Waktu respons (rata-rata) 1.92s
#140	Qwen3.7 Plus none	Qwen	0.6	0.8	$0.178	1/2	929ms
Total Tes 2 Tes Salah 1 Total Biaya $0.178 Waktu respons (rata-rata) 929ms
#177	Qwen3.5-27B none	Qwen	0.6	0.7	$0.116	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.116 Waktu respons (rata-rata) 1.03s
#190	Minimax M3.1 Flash low	Minimax	0.6	0.7	$0.000	1/2	1.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 1.60s
#208	Claude Sonnet 5.5 low	Anthropic	0.6	0.7	$0.909	1/2	1.91s
Total Tes 2 Tes Salah 1 Total Biaya $0.909 Waktu respons (rata-rata) 1.91s
#219	Qwen3.5-Flash none	Qwen	0.6	0.7	$0.089	1/2	8.81s
Total Tes 2 Tes Salah 1 Total Biaya $0.089 Waktu respons (rata-rata) 8.81s
#236	Claude Sonnet 5.5 medium	Anthropic	0.6	0.7	$1.100	1/2	1.88s
Total Tes 2 Tes Salah 1 Total Biaya $1.100 Waktu respons (rata-rata) 1.88s
#247	Qwen3.5-122B-A10B none	Qwen	0.6	0.6	$0.308	1/2	513ms
Total Tes 2 Tes Salah 1 Total Biaya $0.308 Waktu respons (rata-rata) 513ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)