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)
#148	Solar Pro 4 low	Upstage	8.0	6.8	$0.044	1/2	56.4s
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 56.4s
#150	DeepSeek V4 Pro none	DeepSeek	6.3	6.8	$0.220	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.220 Waktu respons (rata-rata) 4.12s
#153	Gemini 3 Flash Preview none	Google	6.4	6.8	$0.085	1/2	1.58s
Total Tes 2 Tes Salah 1 Total Biaya $0.085 Waktu respons (rata-rata) 1.58s
#157	LongCat 2.0 low	Meituan	6.5	6.7	$0.412	1/2	6.39s
Total Tes 2 Tes Salah 1 Total Biaya $0.412 Waktu respons (rata-rata) 6.39s
#158	Gemini 3.5 Flash minimal	Google	6.4	6.7	$0.300	1/2	893ms
Total Tes 2 Tes Salah 1 Total Biaya $0.300 Waktu respons (rata-rata) 893ms
#160	LongCat 2.0 high	Meituan	6.5	6.7	$0.492	1/2	6.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.492 Waktu respons (rata-rata) 6.96s
#163	Qwen3.5-27B none	Qwen	6.3	6.6	$0.058	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.058 Waktu respons (rata-rata) 1.03s
#165	Inkling Small medium	Thinkingmachines	8.5	6.6	$0.113	1/2	3.78s
Total Tes 2 Tes Salah 1 Total Biaya $0.113 Waktu respons (rata-rata) 3.78s
#175	Dots 3 Note Preview low	Dots Studio	7.9	6.4	$0.000	1/2	7.83s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 7.83s
#176	Dots 3 Note Preview high	Dots Studio	8.3	6.4	$0.000	1/2	7.80s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 7.80s
#177	LongCat 2.0 none	Meituan	6.5	6.4	$0.044	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 2.82s
#185	GPT-5.6 Luna low	OpenAI	8.5	6.2	$0.051	1/2	2.04s
Total Tes 2 Tes Salah 1 Total Biaya $0.051 Waktu respons (rata-rata) 2.04s
#186	Claude Sonnet 5 none	Anthropic	6.4	6.1	$0.548	1/2	2.58s
Total Tes 2 Tes Salah 1 Total Biaya $0.548 Waktu respons (rata-rata) 2.58s
#190	Qwen3.7 Flash none	Qwen	6.3	6.1	$0.019	1/2	892ms
Total Tes 2 Tes Salah 1 Total Biaya $0.019 Waktu respons (rata-rata) 892ms
#195	Qwen3.6 Flash none	Qwen	6.3	6.1	$0.062	1/2	1.10s
Total Tes 2 Tes Salah 1 Total Biaya $0.062 Waktu respons (rata-rata) 1.10s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)