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: Tes benar ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Qwen3.7 Flash 5.8

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)
#232	Nemotron 3.5 Lightning high	NVIDIA	8.5	5.6	$0.134	1/2	4.98s
Total Tes 2 Tes Salah 1 Total Biaya $0.134 Waktu respons (rata-rata) 4.98s
#234	Qwen3.6 27B none	Qwen	6.2	5.5	$0.062	1/2	1.92s
Total Tes 2 Tes Salah 1 Total Biaya $0.062 Waktu respons (rata-rata) 1.92s
#236	Qwen3.8 27B none	Qwen	6.3	5.5	~$0.006	1/2	582ms
Total Tes 2 Tes Salah 1 Total Biaya ~$0.006 Waktu respons (rata-rata) 582ms
#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
#241	GPT-5.6 Luna none	OpenAI	7.1	5.4	$0.029	1/2	1.23s
Total Tes 2 Tes Salah 1 Total Biaya $0.029 Waktu respons (rata-rata) 1.23s
#242	MiMo-V2.5-Pro none	Xiaomi	6.4	5.4	$0.068	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.068 Waktu respons (rata-rata) 1.03s
#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
#246	Inkling Small none	Thinkingmachines	6.3	5.3	$0.054	1/2	767ms
Total Tes 2 Tes Salah 1 Total Biaya $0.054 Waktu respons (rata-rata) 767ms
#248	Seed-2.0-Code none	Bytedance Seed	6.2	5.3	$0.151	1/2	1.80s
Total Tes 2 Tes Salah 1 Total Biaya $0.151 Waktu respons (rata-rata) 1.80s
#249	Ling-2.6-1T none	Inclusionai	6.4	5.3	$0.016	1/2	5.36s
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 5.36s
#251	Qwen3.6 35B A3B none	Qwen	6.2	5.3	$0.051	1/2	1.86s
Total Tes 2 Tes Salah 1 Total Biaya $0.051 Waktu respons (rata-rata) 1.86s
#253	Inkling none	Thinkingmachines	6.3	5.2	$0.147	1/2	1.72s
Total Tes 2 Tes Salah 1 Total Biaya $0.147 Waktu respons (rata-rata) 1.72s
#255	Nemotron 3.5 Lightning medium	NVIDIA	8.5	5.1	$0.156	1/2	3.75s
Total Tes 2 Tes Salah 1 Total Biaya $0.156 Waktu respons (rata-rata) 3.75s
#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

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biayaPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.0572 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.005659.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya