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)
#335	Hy4 preview low	Tencent	1.0	0.5	$1.844	2/2	77.7s
Total Tes 2 Tes Salah 0 Total Biaya $1.844 Waktu respons (rata-rata) 77.7s
#339	Hy3 preview medium	Tencent	1.0	0.5	$0.049	2/2	6.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.049 Waktu respons (rata-rata) 6.16s
#343	Qwen3.6 Max Preview none	Qwen	1.0	0.5	$0.228	2/2	1.40s
Total Tes 2 Tes Salah 0 Total Biaya $0.228 Waktu respons (rata-rata) 1.40s
#346	Inkling Small low	Thinkingmachines	1.0	0.5	$0.055	2/2	1.89s
Total Tes 2 Tes Salah 0 Total Biaya $0.055 Waktu respons (rata-rata) 1.89s
#349	KAT Coder AIR V2.5 high	Kwaipilot	1.0	0.5	$0.077	2/2	1.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.077 Waktu respons (rata-rata) 1.51s
#350	Mimo V2 PRO medium	Xiaomi	1.0	0.5	$0.333	2/2	3.36s
Total Tes 2 Tes Salah 0 Total Biaya $0.333 Waktu respons (rata-rata) 3.36s
#351	MiMo-V2-Flash medium	Xiaomi	1.0	0.5	$0.043	2/2	4.28s
Total Tes 2 Tes Salah 0 Total Biaya $0.043 Waktu respons (rata-rata) 4.28s
#355	KAT Coder AIR V2.5 medium	Kwaipilot	1.0	0.5	$0.048	2/2	1.50s
Total Tes 2 Tes Salah 0 Total Biaya $0.048 Waktu respons (rata-rata) 1.50s
#363	KAT Coder AIR V2.5 low	Kwaipilot	1.0	0.5	$0.046	2/2	1.64s
Total Tes 2 Tes Salah 0 Total Biaya $0.046 Waktu respons (rata-rata) 1.64s
#364	Grok 4.20 Beta medium	X AI	1.0	0.5	$0.750	2/2	4.89s
Total Tes 2 Tes Salah 0 Total Biaya $0.750 Waktu respons (rata-rata) 4.89s
#368	Gemini 3 PRO Preview medium	Google	1.0	0.5	$0.385	2/2	3.26s
Total Tes 2 Tes Salah 0 Total Biaya $0.385 Waktu respons (rata-rata) 3.26s
#374	Hy3 preview high	Tencent	1.0	0.5	$0.135	2/2	34.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.135 Waktu respons (rata-rata) 34.4s
#382	DeepSeek V3.2 none	DeepSeek	1.0	0.5	$0.119	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.119 Waktu respons (rata-rata) 1.52s
#391	Ling 2.6 Flash default	Inclusionai	1.0	0.5	$0.002	2/2	5.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.002 Waktu respons (rata-rata) 5.52s
#392	Hy3 preview low	Tencent	1.0	0.5	$0.042	2/2	16.0s
Total Tes 2 Tes Salah 0 Total Biaya $0.042 Waktu respons (rata-rata) 16.0s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)