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: Total Biaya ↓.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.6

Model terbaik

Grok 4.20 Multi Agent Beta 9.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah61 Dengan alasan kegagalan Tidak mengikuti instruksi19 Dengan alasan kegagalan Format tambahan3 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kedaluwarsa1 Dengan alasan kegagalan Kesalahan API1

216/216

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#163	Mimo V2 Omni none	Xiaomi	6.5	5.5	$0.021	1/2	4.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 4.26s
#175	Qwen3.5-9B none	Qwen	6.5	5.1	$0.021	1/2	514ms
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 514ms
#121	Gemma 4 31B none	Google	6.5	6.2	$0.021	1/2	2.84s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 2.84s
#215	Step 3.5 Flash none	Stepfun	5.0	2.3	$0.020	1/1	9.30s
Total Tes 1 Tes Salah 0 Total Biaya $0.020 Waktu respons (rata-rata) 9.30s
#127	gpt-oss-120b medium	OpenAI	9.9	6.1	$0.019	2/2	7.63s
Total Tes 2 Tes Salah 0 Total Biaya $0.019 Waktu respons (rata-rata) 7.63s
#106	Hy3 preview medium	Tencent	10.0	6.5	$0.018	2/2	6.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.018 Waktu respons (rata-rata) 6.16s
#124	Gemini 2.5 Flash none	Google	10.0	6.2	$0.017	2/2	590ms
Total Tes 2 Tes Salah 0 Total Biaya $0.017 Waktu respons (rata-rata) 590ms
#182	GLM 4.7 Flash none	Z.ai	6.5	4.9	$0.016	1/2	888ms
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 888ms
#168	Ling-2.6-1T none	Inclusionai	6.4	5.3	$0.016	1/2	5.36s
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 5.36s
#204	Laguna Xs.2 medium	Poolside	10.0	4.1	$0.015	2/2	1.68s
Total Tes 2 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 1.68s
#159	Hy3 preview low	Tencent	10.0	5.5	$0.015	2/2	16.0s
Total Tes 2 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 16.0s
#162	Gemma 4 26B A4B none	Google	6.3	5.5	$0.015	1/2	690ms
Total Tes 2 Tes Salah 1 Total Biaya $0.015 Waktu respons (rata-rata) 690ms
#180	GPT-4o-mini none	OpenAI	6.3	5.0	$0.010	1/2	1.11s
Total Tes 2 Tes Salah 1 Total Biaya $0.010 Waktu respons (rata-rata) 1.11s
#212	gpt-oss-120b none	OpenAI	9.8	3.7	$0.010	2/2	5.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.010 Waktu respons (rata-rata) 5.06s
#198	Laguna M.1 none	Poolside	6.3	4.4	$0.009	1/2	683ms
Total Tes 2 Tes Salah 1 Total Biaya $0.009 Waktu respons (rata-rata) 683ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)