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)
#255	Mercury 2.5 medium	Inception	0.6	0.6	$0.034	1/2	1.07s
Total Tes 2 Tes Salah 1 Total Biaya $0.034 Waktu respons (rata-rata) 1.07s
#400	Mercury 2 none	Inception	0.7	0.4	$0.033	1/2	551ms
Total Tes 2 Tes Salah 1 Total Biaya $0.033 Waktu respons (rata-rata) 551ms
#412	Laguna M.1 medium	Poolside	1.0	0.4	$0.033	2/2	4.30s
Total Tes 2 Tes Salah 0 Total Biaya $0.033 Waktu respons (rata-rata) 4.30s
#153	GPT-6 Luna low	OpenAI	0.7	0.8	$0.033	1/2	17.4s
Total Tes 2 Tes Salah 1 Total Biaya $0.033 Waktu respons (rata-rata) 17.4s
#316	Gemma 4 31B none	Google	0.7	0.6	$0.031	1/2	2.84s
Total Tes 2 Tes Salah 1 Total Biaya $0.031 Waktu respons (rata-rata) 2.84s
#329	Gemma 4 26B A4B none	Google	0.6	0.5	$0.031	1/2	690ms
Total Tes 2 Tes Salah 1 Total Biaya $0.031 Waktu respons (rata-rata) 690ms
#298	gpt-oss-120b medium	OpenAI	1.0	0.6	$0.030	2/2	7.63s
Total Tes 2 Tes Salah 0 Total Biaya $0.030 Waktu respons (rata-rata) 7.63s
#289	Granite 4.2 8B medium	IBM Granite	0.4	0.6	$0.029	0/2	36.9s
Total Tes 2 Tes Salah 2 Total Biaya $0.029 Waktu respons (rata-rata) 36.9s
#303	Qwen3.7 Flash none	Qwen	0.6	0.6	$0.028	1/2	892ms
Total Tes 2 Tes Salah 1 Total Biaya $0.028 Waktu respons (rata-rata) 892ms
#375	GLM 4.7 Flash none	Z.ai	0.7	0.5	$0.027	1/2	888ms
Total Tes 2 Tes Salah 1 Total Biaya $0.027 Waktu respons (rata-rata) 888ms
#406	Mercury 2.5 none	Inception	0.5	0.4	$0.026	0/2	493ms
Total Tes 2 Tes Salah 2 Total Biaya $0.026 Waktu respons (rata-rata) 493ms
#393	Ring 2.6 1t default	Inclusionai	1.0	0.4	$0.026	2/2	27.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.026 Waktu respons (rata-rata) 27.4s
#328	GPT-6 Luna none	OpenAI	0.6	0.5	$0.026	1/2	17.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.026 Waktu respons (rata-rata) 17.0s
#429	MiMo-V2-Flash default	Xiaomi	0.7	0.3	$0.025	1/2	857ms
Total Tes 2 Tes Salah 1 Total Biaya $0.025 Waktu respons (rata-rata) 857ms
#362	GPT-4o-mini default	OpenAI	0.6	0.5	$0.024	1/2	1.11s
Total Tes 2 Tes Salah 1 Total Biaya $0.024 Waktu respons (rata-rata) 1.11s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)