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

Gemini 3.6 Flash 1.0

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)
#189	GLM 5.3 FlashX medium	Z.ai	1.0	0.7	$0.114	2/2	1.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.114 Waktu respons (rata-rata) 1.51s
#192	MiMo-V2.5 medium	Xiaomi	1.0	0.7	$0.130	2/2	1.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.130 Waktu respons (rata-rata) 1.80s
#193	GPT-5.2 Chat default	OpenAI	1.0	0.7	$0.594	2/2	5.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.594 Waktu respons (rata-rata) 5.51s
#194	Qwen3.6 Max Preview medium	Qwen	1.0	0.7	$1.132	2/2	24.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.132 Waktu respons (rata-rata) 24.3s
#195	Gemini 3.1 Flash Lite Preview medium	Google	1.0	0.7	$0.158	2/2	1.91s
Total Tes 2 Tes Salah 0 Total Biaya $0.158 Waktu respons (rata-rata) 1.91s
#196	Kimi K2.7 Code medium	Moonshot AI	1.0	0.7	$1.136	2/2	5.39s
Total Tes 2 Tes Salah 0 Total Biaya $1.136 Waktu respons (rata-rata) 5.39s
#199	Qwen3.5-122B-A10B medium	Qwen	1.0	0.7	$1.152	2/2	9.88s
Total Tes 2 Tes Salah 0 Total Biaya $1.152 Waktu respons (rata-rata) 9.88s
#200	Grok 4.6 low	X AI	1.0	0.7	$0.781	2/2	6.64s
Total Tes 2 Tes Salah 0 Total Biaya $0.781 Waktu respons (rata-rata) 6.64s
#201	Gemini 3 Flash Preview low	Google	1.0	0.7	$0.254	2/2	7.02s
Total Tes 2 Tes Salah 0 Total Biaya $0.254 Waktu respons (rata-rata) 7.02s
#204	Gemini 3.1 Flash Lite medium	Google	1.0	0.7	$0.153	2/2	2.59s
Total Tes 2 Tes Salah 0 Total Biaya $0.153 Waktu respons (rata-rata) 2.59s
#206	Gemma 4 31B medium	Google	1.0	0.7	$0.144	2/2	12.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.144 Waktu respons (rata-rata) 12.8s
#209	Claude Opus 4.8 none	Anthropic	1.0	0.7	$2.334	2/2	1.37s
Total Tes 2 Tes Salah 0 Total Biaya $2.334 Waktu respons (rata-rata) 1.37s
#210	Kimi K2.6 medium	Moonshot AI	1.0	0.7	$1.594	2/2	12.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.594 Waktu respons (rata-rata) 12.5s
#211	Qwen3.5-Flash medium	Qwen	1.0	0.7	$0.184	2/2	63.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.184 Waktu respons (rata-rata) 63.5s
#212	Inkling low	Thinkingmachines	1.0	0.7	$0.293	2/2	1.81s
Total Tes 2 Tes Salah 0 Total Biaya $0.293 Waktu respons (rata-rata) 1.81s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)