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

8.5

Model terbaik

Grok 4.20 Multi Agent Beta 9.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah82 Dengan alasan kegagalan Tidak mengikuti instruksi48 Dengan alasan kegagalan Format tambahan7 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Kesalahan API2 Dengan alasan kegagalan Tidak ada jawaban2

316/316

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#266	Laguna S 2.1 low	Poolside	4.3	5.0	$0.082	0/2	423ms
Total Tes 2 Tes Salah 2 Total Biaya $0.082 Waktu respons (rata-rata) 423ms
#133	DeepSeek V3.2 medium	DeepSeek	10.0	7.0	$0.078	2/2	35.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.078 Waktu respons (rata-rata) 35.8s
#225	KAT-Coder-Air V2.5 high	Kwaipilot	9.8	5.6	$0.077	2/2	1.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.077 Waktu respons (rata-rata) 1.51s
#206	Qwen3.5-35B-A3B none	Qwen	6.3	5.9	$0.076	1/2	809ms
Total Tes 2 Tes Salah 1 Total Biaya $0.076 Waktu respons (rata-rata) 809ms
#205	Qwen3.5-Flash none	Qwen	6.3	6.0	$0.073	1/2	8.81s
Total Tes 2 Tes Salah 1 Total Biaya $0.073 Waktu respons (rata-rata) 8.81s
#169	Qwen3.5 Plus 2026-02-15 none	Qwen	10.0	6.6	$0.073	2/2	1.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.073 Waktu respons (rata-rata) 1.67s
#108	GPT-5.6 Luna medium	OpenAI	9.9	7.4	$0.072	2/2	2.38s
Total Tes 2 Tes Salah 0 Total Biaya $0.072 Waktu respons (rata-rata) 2.38s
#74	Qwen3.8 27B low	Qwen	10.0	7.9	~$0.071	2/2	2.43s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.071 Waktu respons (rata-rata) 2.43s
#279	KAT-Coder-Air V2.5 none	Kwaipilot	9.9	4.8	$0.070	2/2	1.75s
Total Tes 2 Tes Salah 0 Total Biaya $0.070 Waktu respons (rata-rata) 1.75s
#283	Grok 4.1 Fast medium	X AI	6.5	4.7	$0.069	1/2	4.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.069 Waktu respons (rata-rata) 4.63s
#242	MiMo-V2.5-Pro none	Xiaomi	6.4	5.4	$0.068	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.068 Waktu respons (rata-rata) 1.03s
#171	Laguna XS 2.1 medium	Poolside	9.8	6.5	$0.068	2/2	2.57s
Total Tes 2 Tes Salah 0 Total Biaya $0.068 Waktu respons (rata-rata) 2.57s
#119	DeepSeek V4 Flash 0731 medium	DeepSeek	8.5	7.3	$0.066	1/2	2.42s
Total Tes 2 Tes Salah 1 Total Biaya $0.066 Waktu respons (rata-rata) 2.42s
#183	Seed-2.0-Lite none	Bytedance Seed	10.0	6.2	$0.066	2/2	1.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.066 Waktu respons (rata-rata) 1.06s
#142	Qwen3.7 Flash medium	Qwen	5.8	6.9	$0.065	0/2	9.27s
Total Tes 2 Tes Salah 2 Total Biaya $0.065 Waktu respons (rata-rata) 9.27s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biayaPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.7171 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.070898.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya