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: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Kimi K2.5 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)
#210	Hy3 preview high	Tencent	10.0	5.9	$0.135	2/2	34.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.135 Waktu respons (rata-rata) 34.4s
#99	Qwen3.5 Plus 2026-02-15 medium	Qwen	10.0	7.5	$0.459	2/2	31.9s
Total Tes 2 Tes Salah 0 Total Biaya $0.459 Waktu respons (rata-rata) 31.9s
#263	North Mini Code none	Cohere	6.5	5.1	$0.000	1/2	30.7s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 30.7s
#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
#188	Qwen3.5-35B-A3B medium	Qwen	10.0	6.1	$0.675	2/2	24.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.675 Waktu respons (rata-rata) 24.4s
#45	Qwen3.6 Max Preview medium	Qwen	10.0	8.6	$1.132	2/2	24.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.132 Waktu respons (rata-rata) 24.3s
#224	Gemini 3.1 Flash Lite high	Google	7.3	5.6	$2.044	1/2	23.3s
Total Tes 2 Tes Salah 1 Total Biaya $2.044 Waktu respons (rata-rata) 23.3s
#124	Qwen3.5 Plus 2026-04-20 medium	Qwen	10.0	7.2	$0.323	2/2	20.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.323 Waktu respons (rata-rata) 20.2s
#100	Qwen3.5-27B medium	Qwen	10.0	7.5	$0.982	2/2	19.7s
Total Tes 2 Tes Salah 0 Total Biaya $0.982 Waktu respons (rata-rata) 19.7s
#61	Qwen3.8 2.4T A95B low	Qwen	9.8	8.1	$2.672	2/2	19.5s
Total Tes 2 Tes Salah 0 Total Biaya $2.672 Waktu respons (rata-rata) 19.5s
#131	Grok 4.3 medium	X AI	9.8	7.0	$0.741	2/2	18.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.741 Waktu respons (rata-rata) 18.6s
#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
#154	Gemma 4 26B A4B medium	Google	10.0	6.8	$0.092	2/2	17.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.092 Waktu respons (rata-rata) 17.5s
#138	Seed-2.0-Mini medium	Bytedance Seed	10.0	7.0	$0.116	2/2	17.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.116 Waktu respons (rata-rata) 17.5s
#75	Qwen3.7 Plus medium	Qwen	10.0	7.9	$0.277	2/2	16.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.277 Waktu respons (rata-rata) 16.1s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)