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)
#270	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	2.43s
Total Tes 2 Tes Salah 0 Total Biaya $2.961 Waktu respons (rata-rata) 2.43s
#271	Space Bunny Alpha medium	Stealth	1.0	0.6	$0.000	2/2	1.75s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 1.75s
#272	DeepSeek V3.2 medium	DeepSeek	1.0	0.6	$0.152	2/2	35.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.152 Waktu respons (rata-rata) 35.8s
#275	Grok 4.20 medium	X AI	1.0	0.6	$1.246	2/2	4.26s
Total Tes 2 Tes Salah 0 Total Biaya $1.246 Waktu respons (rata-rata) 4.26s
#277	KAT-Coder-Pro V2.5 medium	Kwaipilot	1.0	0.6	$0.669	2/2	2.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.669 Waktu respons (rata-rata) 2.58s
#278	GLM 5 Turbo medium	Z.ai	1.0	0.6	$0.323	2/2	5.38s
Total Tes 2 Tes Salah 0 Total Biaya $0.323 Waktu respons (rata-rata) 5.38s
#280	Gemini 3.1 Flash Lite Preview none	Google	1.0	0.6	$0.090	2/2	1.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.090 Waktu respons (rata-rata) 1.13s
#282	Gemini 3.5 Flash none	Google	1.0	0.6	$1.752	2/2	3.38s
Total Tes 2 Tes Salah 0 Total Biaya $1.752 Waktu respons (rata-rata) 3.38s
#283	Beam 1.0 501B A23B high	Reflection	1.0	0.6	$0.674	2/2	1.27s
Total Tes 2 Tes Salah 0 Total Biaya $0.674 Waktu respons (rata-rata) 1.27s
#285	Apodex 1.1 Mini low	Apodex	1.0	0.6	$0.000	2/2	7.71s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 7.71s
#288	Step 5 Preview medium	Stepfun	1.0	0.6	$4.136	2/2	4.23s
Total Tes 2 Tes Salah 0 Total Biaya $4.136 Waktu respons (rata-rata) 4.23s
#290	KAT-Coder-Pro V2.5 default	Kwaipilot	1.0	0.6	$0.742	2/2	2.61s
Total Tes 2 Tes Salah 0 Total Biaya $0.742 Waktu respons (rata-rata) 2.61s
#293	GLM 5.3 FlashX low	Z.ai	1.0	0.6	$0.157	2/2	1.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.157 Waktu respons (rata-rata) 1.34s
#294	MiMo-V2.6-Pro none	Xiaomi	1.0	0.6	$0.193	2/2	803ms
Total Tes 2 Tes Salah 0 Total Biaya $0.193 Waktu respons (rata-rata) 803ms
#296	Seed-2.0-Lite none	Bytedance Seed	1.0	0.6	$0.114	2/2	1.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.114 Waktu respons (rata-rata) 1.06s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)