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)
#242	GLM 5.3 low	Z.ai	1.0	0.6	$0.215	2/2	3.40s
Total Tes 2 Tes Salah 0 Total Biaya $0.215 Waktu respons (rata-rata) 3.40s
#243	GLM 5.1 none	Z.ai	1.0	0.6	$0.451	2/2	1.98s
Total Tes 2 Tes Salah 0 Total Biaya $0.451 Waktu respons (rata-rata) 1.98s
#244	KAT-Coder-Pro V2.5 high	Kwaipilot	1.0	0.6	$0.506	2/2	2.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.506 Waktu respons (rata-rata) 2.67s
#245	Grok 4.3 medium	X AI	1.0	0.6	$0.989	2/2	18.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.989 Waktu respons (rata-rata) 18.6s
#246	Laguna XS 2.1 medium	Poolside	1.0	0.6	$0.083	2/2	2.57s
Total Tes 2 Tes Salah 0 Total Biaya $0.083 Waktu respons (rata-rata) 2.57s
#250	Solar Pro 4 medium	Upstage	1.0	0.6	$0.098	2/2	40.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.098 Waktu respons (rata-rata) 40.1s
#251	Claude Sonnet 4.6 medium	Anthropic	1.0	0.6	$2.126	2/2	2.61s
Total Tes 2 Tes Salah 0 Total Biaya $2.126 Waktu respons (rata-rata) 2.61s
#253	Kimi K2.5 medium	Moonshot AI	1.0	0.6	$0.841	2/2	92.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.841 Waktu respons (rata-rata) 92.5s
#257	MiMo-V2.5-Pro medium	Xiaomi	1.0	0.6	$0.332	2/2	2.77s
Total Tes 2 Tes Salah 0 Total Biaya $0.332 Waktu respons (rata-rata) 2.77s
#261	Qwen3.5-35B-A3B medium	Qwen	1.0	0.6	$0.716	2/2	24.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.716 Waktu respons (rata-rata) 24.4s
#263	Gemini 3.5 Flash Lite low	Google	1.0	0.6	$0.183	2/2	1.75s
Total Tes 2 Tes Salah 0 Total Biaya $0.183 Waktu respons (rata-rata) 1.75s
#264	Gemini 3.1 Flash Lite Preview low	Google	1.0	0.6	$0.736	2/2	1.49s
Total Tes 2 Tes Salah 0 Total Biaya $0.736 Waktu respons (rata-rata) 1.49s
#266	Gemini 3.1 Flash Lite low	Google	1.0	0.6	$0.717	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.717 Waktu respons (rata-rata) 1.52s
#268	Qwen3.5 Plus 2026-02-15 none	Qwen	1.0	0.6	$0.176	2/2	1.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.176 Waktu respons (rata-rata) 1.67s
#269	Ling 3.1 Flash low	Inclusionai	1.0	0.6	$0.000	2/2	3.82s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 3.82s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)