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

0.8

Model terbaik

Claude Sonnet 5.5 0.9

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)
#206	Gemma 4 31B medium	Google	1.0	0.7	$0.144	2/2	12.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.144 Waktu respons (rata-rata) 12.8s
#157	Seed-2.0-Mini medium	Bytedance Seed	1.0	0.8	$0.140	2/2	17.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 17.5s
#321	GLM 5 none	Z.ai	1.0	0.6	$0.140	2/2	1.48s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 1.48s
#44	Claude Haiku 5.5 xhigh	Anthropic	1.0	0.9	$0.140	2/2	3.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 3.34s
#300	Qwen3.6 Flash none	Qwen	0.6	0.6	$0.139	1/2	1.10s
Total Tes 2 Tes Salah 1 Total Biaya $0.139 Waktu respons (rata-rata) 1.10s
#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
#356	MiMo-V2.5-Pro none	Xiaomi	0.6	0.5	$0.135	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.135 Waktu respons (rata-rata) 1.03s
#192	MiMo-V2.5 medium	Xiaomi	1.0	0.7	$0.130	2/2	1.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.130 Waktu respons (rata-rata) 1.80s
#352	Mistral Small 4 medium	Mistral	0.7	0.5	$0.126	1/2	1.38s
Total Tes 2 Tes Salah 1 Total Biaya $0.126 Waktu respons (rata-rata) 1.38s
#232	Mercury 2 medium	Inception	1.0	0.7	$0.121	2/2	1.07s
Total Tes 2 Tes Salah 0 Total Biaya $0.121 Waktu respons (rata-rata) 1.07s
#322	Qwen3.5-35B-A3B none	Qwen	0.6	0.6	$0.120	1/2	809ms
Total Tes 2 Tes Salah 1 Total Biaya $0.120 Waktu respons (rata-rata) 809ms
#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
#119	GPT-5.6 Luna high	OpenAI	1.0	0.8	$0.118	2/2	1.79s
Total Tes 2 Tes Salah 0 Total Biaya $0.118 Waktu respons (rata-rata) 1.79s
#177	Qwen3.5-27B none	Qwen	0.6	0.7	$0.116	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.116 Waktu respons (rata-rata) 1.03s
#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)