AI BENCHY
Advertise here

Kategori AI BENCHY

Peringkat Kepatuhan instruksi

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

Model yang ditampilkan

15

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

MiniMax M2.7 3.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah53 Dengan alasan kegagalan Tidak mengikuti instruksi11 Dengan alasan kegagalan Format tambahan2 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kesalahan API1
Peringkat Model Perusahaan Skor Kepatuhan instruksi Skor Tes benar Waktu respons (rata-rata)
#158 GLM 4.7 Flash medium Z.ai 6.2 4.4 1/2 2.97s
#159 Ling-2.6-1T none Inclusionai 6.4 4.3 1/2 5.36s
#160 LFM2-24B-A2B none Liquid 6.3 4.2 1/2 752ms
#161 Qwen3.5-9B medium Qwen 6.5 4.2 1/2 5.75s
#1 Gemini 3 Flash Preview medium Google 10.0 9.8 2/2 4.04s
#2 Gemini 3.5 Flash high Google 10.0 9.6 2/2 3.35s
#3 Gemini 3.5 Flash low Google 9.9 9.4 2/2 1.86s
#4 Gemini 3.1 Pro Preview medium Google 10.0 9.4 2/2 9.56s
#5 Qwen3.7 Max medium Qwen 10.0 9.1 2/2 7.46s
#6 GPT-5.5 low OpenAI 9.9 9.0 2/2 3.74s
#7 Gemini 3.5 Flash medium Google 9.9 9.0 2/2 2.70s
#8 Claude Opus 4.7 none Anthropic 10.0 8.9 2/2 1.46s
#9 GPT-5.5 medium OpenAI 10.0 8.8 2/2 3.36s
#10 Claude Opus 4.8 medium Anthropic 10.0 8.7 2/2 3.32s
#11 Claude Opus 4.7 medium Anthropic 10.0 8.7 2/2 1.57s

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)