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)
#425	Grok 4.20 none	X AI	0.6	0.3	$0.057	1/2	445ms
Total Tes 2 Tes Salah 1 Total Biaya $0.057 Waktu respons (rata-rata) 445ms
#170	GLM 5.3 Flash high	Z.ai	1.0	0.7	$0.056	2/2	2.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.056 Waktu respons (rata-rata) 2.06s
#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
#305	DeepSeek V4.1 Flash 1017 none	DeepSeek	0.7	0.6	$0.055	1/2	608ms
Total Tes 2 Tes Salah 1 Total Biaya $0.055 Waktu respons (rata-rata) 608ms
#365	Inkling Small none	Thinkingmachines	0.6	0.5	$0.054	1/2	767ms
Total Tes 2 Tes Salah 1 Total Biaya $0.054 Waktu respons (rata-rata) 767ms
#279	DeepSeek V4 Flash 0731 none	DeepSeek	0.5	0.6	$0.053	0/2	1.42s
Total Tes 2 Tes Salah 2 Total Biaya $0.053 Waktu respons (rata-rata) 1.42s
#385	GLM 5V Turbo none	Z.ai	0.7	0.5	$0.052	1/2	1.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.052 Waktu respons (rata-rata) 1.97s
#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
#207	GPT-5.6 Luna low	OpenAI	0.8	0.7	$0.049	1/2	2.04s
Total Tes 2 Tes Salah 1 Total Biaya $0.049 Waktu respons (rata-rata) 2.04s
#370	MiMo-V2.5 none	Xiaomi	0.7	0.5	$0.049	1/2	751ms
Total Tes 2 Tes Salah 1 Total Biaya $0.049 Waktu respons (rata-rata) 751ms
#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
#152	Qwen3.8 Flash Next medium	Qwen	1.0	0.8	~$0.047	2/2	2.04s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.047 Waktu respons (rata-rata) 2.04s
#103	GPT-6 Luna medium	OpenAI	1.0	0.8	$0.047	2/2	13.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 13.2s
#353	Mistral Small 4 none	Mistral	0.7	0.5	$0.047	1/2	380ms
Total Tes 2 Tes Salah 1 Total Biaya $0.047 Waktu respons (rata-rata) 380ms
#405	GLM 5 Turbo none	Z.ai	0.7	0.4	$0.047	1/2	2.13s
Total Tes 2 Tes Salah 1 Total Biaya $0.047 Waktu respons (rata-rata) 2.13s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biayaPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya