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

8.5

Model terbaik

Granite 4.2 8B 3.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah82 Dengan alasan kegagalan Tidak mengikuti instruksi48 Dengan alasan kegagalan Format tambahan7 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Kesalahan API2 Dengan alasan kegagalan Tidak ada jawaban2

316/316

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#226	GLM 5V Turbo none	Z.ai	6.5	5.6	$0.052	1/2	1.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.052 Waktu respons (rata-rata) 1.97s
#227	Owl Alpha medium	Openrouter	6.5	5.6	$0.000	1/2	10.2s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 10.2s
#229	Mimo V2 PRO none	Xiaomi	6.5	5.6	$0.045	1/2	2.51s
Total Tes 2 Tes Salah 1 Total Biaya $0.045 Waktu respons (rata-rata) 2.51s
#237	Mimo V2 Omni none	Xiaomi	6.5	5.5	$0.021	1/2	4.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 4.26s
#238	DeepSeek V4 Flash 0423 none	DeepSeek	6.5	5.4	$0.039	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.039 Waktu respons (rata-rata) 17.5s
#243	Kimi K2.5 none	Moonshot AI	6.5	5.4	$0.101	1/2	2.67s
Total Tes 2 Tes Salah 1 Total Biaya $0.101 Waktu respons (rata-rata) 2.67s
#256	Mistral Small 4 none	Mistral	6.5	5.1	$0.022	1/2	380ms
Total Tes 2 Tes Salah 1 Total Biaya $0.022 Waktu respons (rata-rata) 380ms
#260	MiMo-V2.5 none	Xiaomi	6.5	5.1	$0.025	1/2	751ms
Total Tes 2 Tes Salah 1 Total Biaya $0.025 Waktu respons (rata-rata) 751ms
#261	Qwen3.5-9B none	Qwen	6.5	5.1	$0.021	1/2	514ms
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 514ms
#262	GLM 5 Turbo none	Z.ai	6.5	5.1	$0.047	1/2	2.13s
Total Tes 2 Tes Salah 1 Total Biaya $0.047 Waktu respons (rata-rata) 2.13s
#263	North Mini Code none	Cohere	6.5	5.1	$0.000	1/2	30.7s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 30.7s
#269	Qwen3.6 Plus Preview medium	Qwen	6.5	4.9	$0.000	1/2	3.40s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 3.40s
#280	GLM 4.7 Flash none	Z.ai	6.5	4.8	$0.016	1/2	888ms
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 888ms
#283	Grok 4.1 Fast medium	X AI	6.5	4.7	$0.069	1/2	4.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.069 Waktu respons (rata-rata) 4.63s
#286	Mercury 2 none	Inception	6.5	4.7	$0.030	1/2	551ms
Total Tes 2 Tes Salah 1 Total Biaya $0.030 Waktu respons (rata-rata) 551ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)