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)
#182	MiMo-V2-Flash medium	Xiaomi	10.0	6.3	$0.043	2/2	4.28s
Total Tes 2 Tes Salah 0 Total Biaya $0.043 Waktu respons (rata-rata) 4.28s
#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
#235	Hy3 preview low	Tencent	10.0	5.5	$0.042	2/2	16.0s
Total Tes 2 Tes Salah 0 Total Biaya $0.042 Waktu respons (rata-rata) 16.0s
#89	DeepSeek V4 Flash 0423 high	DeepSeek	10.0	7.6	$0.042	2/2	15.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.042 Waktu respons (rata-rata) 15.4s
#276	GPT-5.4 Nano none	OpenAI	6.3	4.8	$0.041	1/2	784ms
Total Tes 2 Tes Salah 1 Total Biaya $0.041 Waktu respons (rata-rata) 784ms
#273	Hy4 preview none	Tencent	7.0	4.8	$0.041	1/2	47.9s
Total Tes 2 Tes Salah 1 Total Biaya $0.041 Waktu respons (rata-rata) 47.9s
#238	DeepSeek V4 Flash 0423 none	DeepSeek	6.5	5.4	$0.039	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.039 Waktu respons (rata-rata) 17.5s
#288	Qwen3 Coder Next medium	Qwen	6.3	4.6	$0.034	1/2	7.49s
Total Tes 2 Tes Salah 1 Total Biaya $0.034 Waktu respons (rata-rata) 7.49s
#284	Laguna M.1 medium	Poolside	10.0	4.7	$0.033	2/2	4.30s
Total Tes 2 Tes Salah 0 Total Biaya $0.033 Waktu respons (rata-rata) 4.30s
#286	Mercury 2 none	Inception	6.5	4.7	$0.030	1/2	551ms
Total Tes 2 Tes Salah 1 Total Biaya $0.030 Waktu respons (rata-rata) 551ms
#168	Mercury 2.5 Preview high	Inception	9.8	6.6	$0.030	2/2	1.05s
Total Tes 2 Tes Salah 0 Total Biaya $0.030 Waktu respons (rata-rata) 1.05s
#241	GPT-5.6 Luna none	OpenAI	7.1	5.4	$0.029	1/2	1.23s
Total Tes 2 Tes Salah 1 Total Biaya $0.029 Waktu respons (rata-rata) 1.23s
#116	GLM 5.3 Flash high	Z.ai	10.0	7.3	$0.029	2/2	2.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.029 Waktu respons (rata-rata) 2.06s
#218	GLM 5 none	Z.ai	10.0	5.7	$0.027	2/2	1.48s
Total Tes 2 Tes Salah 0 Total Biaya $0.027 Waktu respons (rata-rata) 1.48s
#274	Ring-2.6-1T none	Inclusionai	9.8	4.8	$0.026	2/2	27.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.026 Waktu respons (rata-rata) 27.4s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)