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: Waktu respons (rata-rata) ↑.

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)
#132	MiMo-V2.6-Flash medium	Xiaomi	1.0	0.8	$0.218	2/2	1.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.218 Waktu respons (rata-rata) 1.13s
#280	Gemini 3.1 Flash Lite Preview none	Google	1.0	0.6	$0.090	2/2	1.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.090 Waktu respons (rata-rata) 1.13s
#254	Beam 1.0 501B A23B low	Reflection	0.8	0.6	$0.432	1/2	1.14s
Total Tes 2 Tes Salah 1 Total Biaya $0.432 Waktu respons (rata-rata) 1.14s
#241	Beam 1.0 501B A23B xhigh	Reflection	1.0	0.6	$0.688	2/2	1.15s
Total Tes 2 Tes Salah 0 Total Biaya $0.688 Waktu respons (rata-rata) 1.15s
#306	GPT-5.6 Terra none	OpenAI	0.9	0.6	$0.377	1/2	1.15s
Total Tes 2 Tes Salah 1 Total Biaya $0.377 Waktu respons (rata-rata) 1.15s
#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
#313	Mistral Large 4 none	Mistral	0.7	0.6	$0.290	1/2	1.16s
Total Tes 2 Tes Salah 1 Total Biaya $0.290 Waktu respons (rata-rata) 1.16s
#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
#326	Ling 3.1 Flash none	Inclusionai	0.8	0.5	$0.000	1/2	1.22s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 1.22s
#214	GPT-6 Sol none	OpenAI	1.0	0.7	$0.551	2/2	1.23s
Total Tes 2 Tes Salah 0 Total Biaya $0.551 Waktu respons (rata-rata) 1.23s
#340	GPT-5.6 Luna none	OpenAI	0.7	0.5	$0.042	1/2	1.23s
Total Tes 2 Tes Salah 1 Total Biaya $0.042 Waktu respons (rata-rata) 1.23s
#234	Beam 1.0 501B A23B medium	Reflection	1.0	0.7	$0.499	2/2	1.24s
Total Tes 2 Tes Salah 0 Total Biaya $0.499 Waktu respons (rata-rata) 1.24s
#41	DeepSeek V4.1 Flash 1017 low	DeepSeek	1.0	0.9	$0.355	2/2	1.25s
Total Tes 2 Tes Salah 0 Total Biaya $0.355 Waktu respons (rata-rata) 1.25s
#376	Mercury 2.5 Preview default	Inception	0.6	0.5	$0.023	1/2	1.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.023 Waktu respons (rata-rata) 1.26s
#283	Beam 1.0 501B A23B high	Reflection	1.0	0.6	$0.674	2/2	1.27s
Total Tes 2 Tes Salah 0 Total Biaya $0.674 Waktu respons (rata-rata) 1.27s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)