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)
#251	Qwen3.6 35B A3B none	Qwen	6.2	5.3	$0.051	1/2	1.86s
Total Tes 2 Tes Salah 1 Total Biaya $0.051 Waktu respons (rata-rata) 1.86s
#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
#217	Nemotron 3 Super medium	NVIDIA	7.3	5.7	$0.050	1/2	6.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.050 Waktu respons (rata-rata) 6.97s
#172	Hy3 preview medium	Tencent	10.0	6.5	$0.049	2/2	6.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.049 Waktu respons (rata-rata) 6.16s
#231	KAT-Coder-Air V2.5 medium	Kwaipilot	10.0	5.6	$0.048	2/2	1.50s
Total Tes 2 Tes Salah 0 Total Biaya $0.048 Waktu respons (rata-rata) 1.50s
#149	Solar Pro 4 medium	Upstage	9.8	6.8	$0.047	2/2	40.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 40.1s
#187	Gemini 3.1 Flash Lite minimal	Google	10.0	6.1	$0.047	2/2	932ms
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 932ms
#262	GLM 5 Turbo none	Z.ai	6.5	5.1	$0.047	1/2	2.13s
Total Tes 2 Tes Salah 1 Total Biaya $0.047 Waktu respons (rata-rata) 2.13s
#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
#191	Gemini 3.1 Flash Lite none	Google	10.0	6.1	$0.046	2/2	859ms
Total Tes 2 Tes Salah 0 Total Biaya $0.046 Waktu respons (rata-rata) 859ms
#240	KAT-Coder-Air V2.5 low	Kwaipilot	9.8	5.4	$0.046	2/2	1.64s
Total Tes 2 Tes Salah 0 Total Biaya $0.046 Waktu respons (rata-rata) 1.64s
#229	Mimo V2 PRO none	Xiaomi	6.5	5.6	$0.045	1/2	2.51s
Total Tes 2 Tes Salah 1 Total Biaya $0.045 Waktu respons (rata-rata) 2.51s
#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
#66	DeepSeek V4 Flash 0731 low	DeepSeek	9.9	8.0	$0.044	2/2	3.01s
Total Tes 2 Tes Salah 0 Total Biaya $0.044 Waktu respons (rata-rata) 3.01s
#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

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)