AI BENCHY
Advertise here

Kategori AI BENCHY

Peringkat 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

15

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

MiniMax M2.7 3.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah53 Dengan alasan kegagalan Tidak mengikuti instruksi11 Dengan alasan kegagalan Format tambahan2 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kesalahan API1
Peringkat Model Perusahaan Skor Kepatuhan instruksi Skor Tes benar Waktu respons (rata-rata)
#130 MiniMax M2.7 medium Minimax 3.8 5.3 0/2 12.8s
#151 Trinity Large Preview none Arcee AI 3.5 4.6 0/2 822ms
#157 Grok 4.1 Fast none X AI 3.0 4.4 0/2 685ms
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 4.8 4.1 0/2 541ms
#163 Granite 4.1 8B none IBM Granite 3.6 4.0 0/2 344ms
#32 Gemini 3.5 Flash minimal Google 6.4 7.7 1/2 893ms
#48 Gemini 3 Flash Preview none Google 6.4 7.4 1/2 1.58s
#53 Gemini 3.1 Flash Lite high Google 7.3 7.3 1/2 23.3s
#55 GLM 5.1 medium Z.ai 6.4 7.3 1/2 7.47s
#62 Step 3.5 Flash medium Stepfun 8.3 7.2 1/2 4.78s
#77 Claude Sonnet 4.6 none Anthropic 6.5 6.8 1/2 1.96s
#80 Mimo V2 Omni medium Xiaomi 8.3 6.7 1/2 4.99s
#85 Gemma 4 31B none Google 6.5 6.5 1/2 2.84s
#86 Grok 4.1 Fast medium X AI 6.5 6.5 1/2 4.63s
#88 Qwen3.7 Plus none Qwen 6.3 6.4 1/2 929ms

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)