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

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)
#454	Gemini 3 Flash Preview high	Google	0.0	0.2	$0.105	0/0	0ms
Total Tes 0 Tes Salah 0 Total Biaya $0.105 Waktu respons (rata-rata) 0ms
#461	Claude Opus 5.5 none	Anthropic	0.0	0.2	$0.015	0/0	0ms
Total Tes 0 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 0ms
#439	d1-ultra default	Liquid	0.2	0.3	$0.003	0/1	571ms
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 571ms
#441	Jev 1.13 default	Typesafe	0.2	0.3	$0.003	0/1	557ms
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 557ms
#442	Decider V1.2 default	Perplexity	0.2	0.3	$0.001	0/1	508ms
Total Tes 1 Tes Salah 1 Total Biaya $0.001 Waktu respons (rata-rata) 508ms
#443	Decider V1.1 27B default	Perplexity	0.2	0.3	$0.002	0/1	333ms
Total Tes 1 Tes Salah 1 Total Biaya $0.002 Waktu respons (rata-rata) 333ms
#444	Drex v1.5 default	Nace AI	0.2	0.2	$0.002	0/1	1.33s
Total Tes 1 Tes Salah 1 Total Biaya $0.002 Waktu respons (rata-rata) 1.33s
#445	GPT-6 Luna Decisions default	OpenAI	0.2	0.2	$0.005	0/1	842ms
Total Tes 1 Tes Salah 1 Total Biaya $0.005 Waktu respons (rata-rata) 842ms
#446	Kev 4B default	Jaredpalmer	0.2	0.2	$0.002	0/1	17.3s
Total Tes 1 Tes Salah 1 Total Biaya $0.002 Waktu respons (rata-rata) 17.3s
#447	Jev 1.14 default	Typesafe	0.2	0.2	$0.003	0/1	543ms
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 543ms
#448	Mammoth 1 default	Baseten	0.2	0.2	$0.000	0/1	4.04s
Total Tes 1 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 4.04s
#449	Classify-1 default	Scaledown	0.2	0.2	$0.008	0/1	4.26s
Total Tes 1 Tes Salah 1 Total Biaya $0.008 Waktu respons (rata-rata) 4.26s
#450	Clef Omni default	Cloudflare	0.2	0.2	$0.011	0/1	904ms
Total Tes 1 Tes Salah 1 Total Biaya $0.011 Waktu respons (rata-rata) 904ms
#451	Decider Flash V1.2 default	Perplexity	0.2	0.2	$0.001	0/1	424ms
Total Tes 1 Tes Salah 1 Total Biaya $0.001 Waktu respons (rata-rata) 424ms
#453	D1 default	Liquid	0.2	0.2	$0.003	0/1	820ms
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 820ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)