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

0.8

Model terbaik

Claude Sonnet 5.5 0.9

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)
#129	Qwen3.7 Max none	Qwen	1.0	0.8	$0.451	2/2	943ms
Total Tes 2 Tes Salah 0 Total Biaya $0.451 Waktu respons (rata-rata) 943ms
#185	Step 3.7 Flash low	Stepfun	1.0	0.7	$0.449	2/2	1.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.449 Waktu respons (rata-rata) 1.58s
#176	Gemini 3.5 Flash Lite medium	Google	1.0	0.7	$0.440	2/2	1.72s
Total Tes 2 Tes Salah 0 Total Biaya $0.440 Waktu respons (rata-rata) 1.72s
#402	MiniMax M2.5 medium	Minimax	0.8	0.4	$0.440	1/2	621ms
Total Tes 2 Tes Salah 1 Total Biaya $0.440 Waktu respons (rata-rata) 621ms
#107	Gemini 4 Argon low	Google	1.0	0.8	$0.438	2/2	2.40s
Total Tes 2 Tes Salah 0 Total Biaya $0.438 Waktu respons (rata-rata) 2.40s
#146	Nemotron 3.5 Super VL medium	NVIDIA	1.0	0.8	$0.437	2/2	4.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.437 Waktu respons (rata-rata) 4.34s
#124	GPT-5.6 Terra low	OpenAI	1.0	0.8	$0.435	2/2	1.48s
Total Tes 2 Tes Salah 0 Total Biaya $0.435 Waktu respons (rata-rata) 1.48s
#148	Qwen3.5 Plus 2026-04-20 medium	Qwen	1.0	0.8	$0.435	2/2	20.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.435 Waktu respons (rata-rata) 20.2s
#254	Beam 1.0 501B A23B low	Reflection	0.8	0.6	$0.432	1/2	1.14s
Total Tes 2 Tes Salah 1 Total Biaya $0.432 Waktu respons (rata-rata) 1.14s
#222	MiniMax M3 medium	Minimax	1.0	0.7	$0.422	2/2	6.14s
Total Tes 2 Tes Salah 0 Total Biaya $0.422 Waktu respons (rata-rata) 6.14s
#106	Qwen3.7 Plus medium	Qwen	1.0	0.8	$0.415	2/2	16.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.415 Waktu respons (rata-rata) 16.1s
#166	Inkling Small high	Thinkingmachines	1.0	0.7	$0.398	2/2	3.94s
Total Tes 2 Tes Salah 0 Total Biaya $0.398 Waktu respons (rata-rata) 3.94s
#22	GPT-6.1 Terra high	OpenAI	0.8	0.9	$0.396	1/2	2.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.396 Waktu respons (rata-rata) 2.60s
#307	DeepSeek V4.1 Flash none	DeepSeek	0.7	0.6	$0.391	1/2	6.81s
Total Tes 2 Tes Salah 1 Total Biaya $0.391 Waktu respons (rata-rata) 6.81s
#368	Gemini 3 PRO Preview medium	Google	1.0	0.5	$0.385	2/2	3.26s
Total Tes 2 Tes Salah 0 Total Biaya $0.385 Waktu respons (rata-rata) 3.26s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)