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)
#165	Inkling Small medium	Thinkingmachines	8.5	6.6	$0.113	1/2	3.78s
Total Tes 2 Tes Salah 1 Total Biaya $0.113 Waktu respons (rata-rata) 3.78s
#185	GPT-5.6 Luna low	OpenAI	8.5	6.2	$0.051	1/2	2.04s
Total Tes 2 Tes Salah 1 Total Biaya $0.051 Waktu respons (rata-rata) 2.04s
#208	Dots 3 Note Preview medium	Dots Studio	8.5	5.9	$0.000	1/2	7.77s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 7.77s
#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
#132	GPT-5.6 Sol none	OpenAI	8.5	7.0	$0.201	1/2	1.33s
Total Tes 2 Tes Salah 1 Total Biaya $0.201 Waktu respons (rata-rata) 1.33s
#202	GPT-5.6 Terra none	OpenAI	8.5	6.0	$0.280	1/2	1.15s
Total Tes 2 Tes Salah 1 Total Biaya $0.280 Waktu respons (rata-rata) 1.15s
#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
#17	Grok 4.6 high	X AI	9.8	9.3	$1.908	2/2	13.8s
Total Tes 2 Tes Salah 0 Total Biaya $1.908 Waktu respons (rata-rata) 13.8s
#23	Seed 2.1 Turbo low	Bytedance Seed	9.8	9.1	$1.546	2/2	5.05s
Total Tes 2 Tes Salah 0 Total Biaya $1.546 Waktu respons (rata-rata) 5.05s
#29	Grok 4.5 high	X AI	9.8	9.0	$2.252	2/2	6.23s
Total Tes 2 Tes Salah 0 Total Biaya $2.252 Waktu respons (rata-rata) 6.23s
#32	Seed 2.1 Turbo high	Bytedance Seed	9.8	8.9	$1.797	2/2	7.66s
Total Tes 2 Tes Salah 0 Total Biaya $1.797 Waktu respons (rata-rata) 7.66s
#35	Gemini 3.5 Flash Lite high	Google	9.8	8.8	$0.540	2/2	2.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.540 Waktu respons (rata-rata) 2.16s
#41	Muse Spark 1.2 high	Meta	9.8	8.7	$1.771	2/2	5.43s
Total Tes 2 Tes Salah 0 Total Biaya $1.771 Waktu respons (rata-rata) 5.43s
#42	Muse Spark 1.2 medium	Meta	9.8	8.6	$1.339	2/2	4.40s
Total Tes 2 Tes Salah 0 Total Biaya $1.339 Waktu respons (rata-rata) 4.40s
#48	Grok 4.5 medium	X AI	9.8	8.5	$2.042	2/2	6.06s
Total Tes 2 Tes Salah 0 Total Biaya $2.042 Waktu respons (rata-rata) 6.06s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)