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)
#260	LongCat 2.0 none	Meituan	0.7	0.6	$0.104	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.104 Waktu respons (rata-rata) 2.82s
#262	Qwen3.6 27B none	Qwen	0.6	0.6	$0.148	1/2	1.92s
Total Tes 2 Tes Salah 1 Total Biaya $0.148 Waktu respons (rata-rata) 1.92s
#267	Solar Pro 4 high	Upstage	0.8	0.6	$0.077	1/2	41.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.077 Waktu respons (rata-rata) 41.5s
#274	DeepSeek V4 Flash 0423 none	DeepSeek	0.7	0.6	$0.149	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.149 Waktu respons (rata-rata) 17.5s
#281	Claude Fable 5.1 low	Anthropic	0.7	0.6	$3.395	1/2	5.24s
Total Tes 2 Tes Salah 1 Total Biaya $3.395 Waktu respons (rata-rata) 5.24s
#286	Inkling none	Thinkingmachines	0.6	0.6	$0.292	1/2	1.72s
Total Tes 2 Tes Salah 1 Total Biaya $0.292 Waktu respons (rata-rata) 1.72s
#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
#291	Apodex 1.1 Mini medium	Apodex	0.8	0.6	$0.000	1/2	8.56s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 8.56s
#292	Claude Sonnet 4.6 none	Anthropic	0.7	0.6	$0.661	1/2	1.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.661 Waktu respons (rata-rata) 1.96s
#295	Inkling Small medium	Thinkingmachines	0.8	0.6	$0.113	1/2	3.78s
Total Tes 2 Tes Salah 1 Total Biaya $0.113 Waktu respons (rata-rata) 3.78s
#300	Qwen3.6 Flash none	Qwen	0.6	0.6	$0.139	1/2	1.10s
Total Tes 2 Tes Salah 1 Total Biaya $0.139 Waktu respons (rata-rata) 1.10s
#301	Claude Sonnet 5 none	Anthropic	0.6	0.6	$1.095	1/2	2.58s
Total Tes 2 Tes Salah 1 Total Biaya $1.095 Waktu respons (rata-rata) 2.58s
#303	Qwen3.7 Flash none	Qwen	0.6	0.6	$0.028	1/2	892ms
Total Tes 2 Tes Salah 1 Total Biaya $0.028 Waktu respons (rata-rata) 892ms
#304	Qwen3.8 Flash Next none	Qwen	0.7	0.6	~$0.011	1/2	612ms
Total Tes 2 Tes Salah 1 Total Biaya ~$0.011 Waktu respons (rata-rata) 612ms
#305	DeepSeek V4.1 Flash 1017 none	DeepSeek	0.7	0.6	$0.055	1/2	608ms
Total Tes 2 Tes Salah 1 Total Biaya $0.055 Waktu respons (rata-rata) 608ms

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: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya