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

0.8

Model terbaik

Gemini 3.6 Flash 1.0

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)
#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
#356	MiMo-V2.5-Pro none	Xiaomi	0.6	0.5	$0.135	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.135 Waktu respons (rata-rata) 1.03s
#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
#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
#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
#366	Qwen3 Coder Next default	Qwen	0.6	0.5	$0.067	1/2	7.78s
Total Tes 2 Tes Salah 1 Total Biaya $0.067 Waktu respons (rata-rata) 7.78s
#369	Ling 2.6 1t default	Inclusionai	0.6	0.5	$0.016	1/2	5.36s
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 5.36s
#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
#371	Qwen3.5-9B none	Qwen	0.7	0.5	$0.041	1/2	514ms
Total Tes 2 Tes Salah 1 Total Biaya $0.041 Waktu respons (rata-rata) 514ms
#372	Hy4 preview none	Tencent	0.7	0.5	$0.165	1/2	47.9s
Total Tes 2 Tes Salah 1 Total Biaya $0.165 Waktu respons (rata-rata) 47.9s
#373	Mimo V2 Omni medium	Xiaomi	0.8	0.5	$0.683	1/2	4.99s
Total Tes 2 Tes Salah 1 Total Biaya $0.683 Waktu respons (rata-rata) 4.99s
#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
#376	Mercury 2.5 Preview default	Inception	0.6	0.5	$0.023	1/2	1.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.023 Waktu respons (rata-rata) 1.26s
#377	Nemotron 3.5 Lightning medium	NVIDIA	0.9	0.5	$0.195	1/2	3.75s
Total Tes 2 Tes Salah 1 Total Biaya $0.195 Waktu respons (rata-rata) 3.75s
#378	North Mini Code default	Cohere	0.7	0.5	$0.000	1/2	30.7s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 30.7s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)