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

0.8

Model terbaik

Minimax M3.1 Flash 0.5

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)
#174	LongCat 2.0 high	Meituan	0.7	0.7	$0.778	1/2	6.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.778 Waktu respons (rata-rata) 6.96s
#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
#183	LongCat 2.0 medium	Meituan	0.7	0.7	$0.767	1/2	7.38s
Total Tes 2 Tes Salah 1 Total Biaya $0.767 Waktu respons (rata-rata) 7.38s
#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
#191	MiMo-V2.6-Flash low	Xiaomi	0.8	0.7	$0.200	1/2	955ms
Total Tes 2 Tes Salah 1 Total Biaya $0.200 Waktu respons (rata-rata) 955ms
#197	Ember-1 low	Fireworks	0.6	0.7	$1.488	1/2	32.7s
Total Tes 2 Tes Salah 1 Total Biaya $1.488 Waktu respons (rata-rata) 32.7s
#198	Step 5 Preview high	Stepfun	0.7	0.7	$4.513	1/2	20.5s
Total Tes 2 Tes Salah 1 Total Biaya $4.513 Waktu respons (rata-rata) 20.5s
#202	Muse Glimmer 30B low	Meta	0.8	0.7	$0.219	1/2	3.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.219 Waktu respons (rata-rata) 3.60s
#205	Ember-1 high	Fireworks	0.7	0.7	$2.405	1/2	33.4s
Total Tes 2 Tes Salah 1 Total Biaya $2.405 Waktu respons (rata-rata) 33.4s
#207	GPT-5.6 Luna low	OpenAI	0.8	0.7	$0.049	1/2	2.04s
Total Tes 2 Tes Salah 1 Total Biaya $0.049 Waktu respons (rata-rata) 2.04s
#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
#216	Solar Pro 4 xhigh	Upstage	0.8	0.7	$0.067	1/2	51.3s
Total Tes 2 Tes Salah 1 Total Biaya $0.067 Waktu respons (rata-rata) 51.3s
#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
#220	Solar Pro 4 low	Upstage	0.8	0.7	$0.101	1/2	56.4s
Total Tes 2 Tes Salah 1 Total Biaya $0.101 Waktu respons (rata-rata) 56.4s
#221	Grok 4.7 high	X AI	0.8	0.7	$3.037	1/2	14.1s
Total Tes 2 Tes Salah 1 Total Biaya $3.037 Waktu respons (rata-rata) 14.1s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)