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

8.5

Model terbaik

Gemini 3.6 Flash 10.0

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)
#65	Muse Spark 1.1 high	Meta	6.4	8.0	$2.253	1/2	7.81s
Total Tes 2 Tes Salah 1 Total Biaya $2.253 Waktu respons (rata-rata) 7.81s
#88	DeepSeek V4 Pro high	DeepSeek	7.8	7.7	$0.476	1/2	8.73s
Total Tes 2 Tes Salah 1 Total Biaya $0.476 Waktu respons (rata-rata) 8.73s
#92	Solar Pro 4 xhigh	Upstage	8.4	7.6	$0.050	1/2	51.3s
Total Tes 2 Tes Salah 1 Total Biaya $0.050 Waktu respons (rata-rata) 51.3s
#109	LongCat 2.0 medium	Meituan	6.5	7.4	$0.499	1/2	7.38s
Total Tes 2 Tes Salah 1 Total Biaya $0.499 Waktu respons (rata-rata) 7.38s
#113	Claude Sonnet 4.6 none	Anthropic	6.5	7.3	$0.661	1/2	1.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.661 Waktu respons (rata-rata) 1.96s
#118	Qwen3.7 Plus none	Qwen	6.3	7.3	$0.106	1/2	929ms
Total Tes 2 Tes Salah 1 Total Biaya $0.106 Waktu respons (rata-rata) 929ms
#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
#123	Muse Glimmer 30B high	Meta	8.4	7.2	$0.397	1/2	8.62s
Total Tes 2 Tes Salah 1 Total Biaya $0.397 Waktu respons (rata-rata) 8.62s
#125	Qwen3.7 Flash low	Qwen	8.5	7.2	$0.043	1/2	9.88s
Total Tes 2 Tes Salah 1 Total Biaya $0.043 Waktu respons (rata-rata) 9.88s
#128	Muse Glimmer 30B low	Meta	8.4	7.1	$0.143	1/2	3.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.143 Waktu respons (rata-rata) 3.60s
#130	Solar Pro 4 high	Upstage	7.9	7.1	$0.046	1/2	41.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.046 Waktu respons (rata-rata) 41.5s
#132	GPT-5.6 Sol none	OpenAI	8.5	7.0	$0.201	1/2	1.33s
Total Tes 2 Tes Salah 1 Total Biaya $0.201 Waktu respons (rata-rata) 1.33s
#134	GLM 5.1 medium	Z.ai	6.4	7.0	$0.727	1/2	7.47s
Total Tes 2 Tes Salah 1 Total Biaya $0.727 Waktu respons (rata-rata) 7.47s
#135	GPT-5.5 none	OpenAI	6.2	7.0	$0.544	1/2	1.15s
Total Tes 2 Tes Salah 1 Total Biaya $0.544 Waktu respons (rata-rata) 1.15s
#141	Claude Fable 5.1 low	Anthropic	6.5	6.9	$2.565	1/2	5.24s
Total Tes 2 Tes Salah 1 Total Biaya $2.565 Waktu respons (rata-rata) 5.24s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)