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

0.8

Model terbaik

Command A+ 0.3

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)
#252	Minimax M3.1 Flash xhigh	Minimax	0.5	0.6	$0.000	0/2	1.72s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.72s
#265	Minimax M3.1 Flash medium	Minimax	0.5	0.6	$0.000	0/2	1.72s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.72s
#176	Gemini 3.5 Flash Lite medium	Google	1.0	0.7	$0.440	2/2	1.72s
Total Tes 2 Tes Salah 0 Total Biaya $0.440 Waktu respons (rata-rata) 1.72s
#286	Inkling none	Thinkingmachines	0.6	0.6	$0.292	1/2	1.72s
Total Tes 2 Tes Salah 1 Total Biaya $0.292 Waktu respons (rata-rata) 1.72s
#427	Laguna Xs.2 medium	Poolside	1.0	0.3	$0.015	2/2	1.68s
Total Tes 2 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 1.68s
#319	Solar Pro 4 none	Upstage	0.6	0.6	$0.022	1/2	1.67s
Total Tes 2 Tes Salah 1 Total Biaya $0.022 Waktu respons (rata-rata) 1.67s
#268	Qwen3.5 Plus 2026-02-15 none	Qwen	1.0	0.6	$0.176	2/2	1.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.176 Waktu respons (rata-rata) 1.67s
#456	Solar Decide Flash default	Upstage	0.2	0.2	$0.003	0/1	1.66s
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 1.66s
#227	GLM 5.3 Flash low	Z.ai	1.0	0.7	$0.038	2/2	1.65s
Total Tes 2 Tes Salah 0 Total Biaya $0.038 Waktu respons (rata-rata) 1.65s
#237	Minimax M3.1 Flash high	Minimax	0.5	0.7	$0.000	0/2	1.65s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.65s
#325	Kimi K2.6 none	Moonshot AI	0.7	0.5	$0.486	1/2	1.64s
Total Tes 2 Tes Salah 1 Total Biaya $0.486 Waktu respons (rata-rata) 1.64s
#363	KAT Coder AIR V2.5 low	Kwaipilot	1.0	0.5	$0.046	2/2	1.64s
Total Tes 2 Tes Salah 0 Total Biaya $0.046 Waktu respons (rata-rata) 1.64s
#190	Minimax M3.1 Flash low	Minimax	0.6	0.7	$0.000	1/2	1.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 1.60s
#359	Mercury 2.5 Preview low	Inception	0.6	0.5	$0.015	1/2	1.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.015 Waktu respons (rata-rata) 1.60s
#185	Step 3.7 Flash low	Stepfun	1.0	0.7	$0.449	2/2	1.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.449 Waktu respons (rata-rata) 1.58s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)