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

Laguna XS 2.1 3.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah61 Dengan alasan kegagalan Tidak mengikuti instruksi18 Dengan alasan kegagalan Format tambahan3 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kedaluwarsa1 Dengan alasan kegagalan Kesalahan API1

210/210

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#160	Laguna XS 2.1 none	Poolside	3.8	5.3	$0.008	0/2	364ms
Total Tes 2 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 364ms
#172	MiniMax M2.7 medium	Minimax	3.8	5.0	$0.163	0/2	12.8s
Total Tes 2 Tes Salah 2 Total Biaya $0.163 Waktu respons (rata-rata) 12.8s
#183	Trinity Large Preview none	Arcee AI	3.5	4.8	$0.008	0/2	822ms
Total Tes 2 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 822ms
#201	Granite 4.1 8B none	IBM Granite	3.6	4.0	$0.007	0/2	344ms
Total Tes 2 Tes Salah 2 Total Biaya $0.007 Waktu respons (rata-rata) 344ms
#203	Grok 4.1 Fast none	X AI	3.0	3.8	$0.008	0/2	685ms
Total Tes 2 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 685ms
#208	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	4.8	3.2	$0.000	0/2	541ms
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 541ms
#16	Muse Spark 1.1 medium	Meta	6.5	8.6	$1.357	1/2	6.31s
Total Tes 2 Tes Salah 1 Total Biaya $1.357 Waktu respons (rata-rata) 6.31s
#24	Muse Spark 1.1 low	Meta	7.3	8.3	$0.647	1/2	5.42s
Total Tes 2 Tes Salah 1 Total Biaya $0.647 Waktu respons (rata-rata) 5.42s
#27	Muse Spark 1.1 high	Meta	6.4	8.1	$1.694	1/2	7.81s
Total Tes 2 Tes Salah 1 Total Biaya $1.694 Waktu respons (rata-rata) 7.81s
#46	DeepSeek V4 Pro high	DeepSeek	7.8	7.7	$0.200	1/2	8.73s
Total Tes 2 Tes Salah 1 Total Biaya $0.200 Waktu respons (rata-rata) 8.73s
#60	LongCat 2.0 medium	Meituan	6.5	7.4	$0.478	1/2	7.38s
Total Tes 2 Tes Salah 1 Total Biaya $0.478 Waktu respons (rata-rata) 7.38s
#63	Claude Sonnet 4.6 none	Anthropic	6.5	7.3	$0.661	1/2	1.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.661 Waktu respons (rata-rata) 1.96s
#71	Qwen3.7 Plus none	Qwen	6.3	7.2	$0.106	1/2	929ms
Total Tes 2 Tes Salah 1 Total Biaya $0.106 Waktu respons (rata-rata) 929ms
#74	GLM 5.1 medium	Z.ai	6.4	7.1	$0.535	1/2	7.47s
Total Tes 2 Tes Salah 1 Total Biaya $0.535 Waktu respons (rata-rata) 7.47s
#82	DeepSeek V4 Pro none	DeepSeek	6.3	6.9	$0.096	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.096 Waktu respons (rata-rata) 4.12s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)