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)
#272	Nemotron 3 Super none	NVIDIA	6.3	4.8	$0.008	1/2	804ms
Total Tes 2 Tes Salah 1 Total Biaya $0.008 Waktu respons (rata-rata) 804ms
#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
#275	Nemotron 3.5 Lightning low	NVIDIA	8.4	4.8	$0.140	1/2	5.46s
Total Tes 2 Tes Salah 1 Total Biaya $0.140 Waktu respons (rata-rata) 5.46s
#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
#277	Trinity Large Thinking high	Arcee AI	6.3	4.8	$0.592	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.592 Waktu respons (rata-rata) 4.12s
#280	GLM 4.7 Flash none	Z.ai	6.5	4.8	$0.016	1/2	888ms
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 888ms
#283	Grok 4.1 Fast medium	X AI	6.5	4.7	$0.069	1/2	4.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.069 Waktu respons (rata-rata) 4.63s
#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
#287	Granite 4.2 8B high	IBM Granite	6.4	4.6	$0.084	1/2	87.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.084 Waktu respons (rata-rata) 87.5s
#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
#289	MiniMax M2.5 medium	Minimax	7.5	4.6	$0.327	1/2	621ms
Total Tes 2 Tes Salah 1 Total Biaya $0.327 Waktu respons (rata-rata) 621ms
#291	Grok 4.20 Beta none	X AI	6.3	4.4	$0.087	1/2	649ms
Total Tes 2 Tes Salah 1 Total Biaya $0.087 Waktu respons (rata-rata) 649ms
#292	Laguna M.1 none	Poolside	6.3	4.4	$0.009	1/2	683ms
Total Tes 2 Tes Salah 1 Total Biaya $0.009 Waktu respons (rata-rata) 683ms
#294	GLM 4.7 Flash medium	Z.ai	6.2	4.3	$0.168	1/2	2.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.168 Waktu respons (rata-rata) 2.97s
#297	Hunter Alpha none	OpenRouter	6.4	4.2	$0.000	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 2.82s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)