AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

15

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Kimi K2.5 10.0

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)
#34 Qwen3.7 Max none Qwen 10.0 7.7 2/2 943ms
#87 Gemini 3.1 Flash Lite minimal Google 10.0 6.4 2/2 932ms
#88 Qwen3.7 Plus none Qwen 6.3 6.4 1/2 929ms
#32 Gemini 3.5 Flash minimal Google 6.4 7.7 1/2 893ms
#122 GLM 4.7 Flash none Z.ai 6.5 5.5 1/2 888ms
#90 Gemini 3.1 Flash Lite none Google 10.0 6.4 2/2 859ms
#152 MiMo-V2-Flash none Xiaomi 6.5 4.6 1/2 857ms
#151 Trinity Large Preview none Arcee AI 3.5 4.6 0/2 822ms
#117 Qwen3.5-35B-A3B none Qwen 6.3 5.6 1/2 809ms
#141 Nemotron 3 Super none NVIDIA 6.3 4.9 1/2 804ms
#148 GPT-5.4 Nano none OpenAI 6.3 4.7 1/2 784ms
#160 LFM2-24B-A2B none Liquid 6.3 4.2 1/2 752ms
#143 MiMo-V2.5 none Xiaomi 6.5 4.9 1/2 751ms
#144 GPT-5.4 Mini none OpenAI 6.3 4.9 1/2 728ms
#102 Gemma 4 26B A4B none Google 6.3 6.0 1/2 690ms

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)