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)
#455	LFM2-24B-A2B default	Liquid	0.6	0.2	$0.001	1/2	752ms
Total Tes 2 Tes Salah 1 Total Biaya $0.001 Waktu respons (rata-rata) 752ms
#203	Minimax M3.1 Flash max	Minimax	0.5	0.7	$0.000	0/2	1.73s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.73s
#215	Space Bunny Alpha max	Stealth	0.6	0.7	$0.000	0/2	3.78s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 3.78s
#230	Qwen3.7 Flash medium	Qwen	0.6	0.7	$0.076	0/2	9.27s
Total Tes 2 Tes Salah 2 Total Biaya $0.076 Waktu respons (rata-rata) 9.27s
#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
#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
#273	Trinity Large Thinking low	Arcee AI	0.4	0.6	$0.918	0/2	4.07s
Total Tes 2 Tes Salah 2 Total Biaya $0.918 Waktu respons (rata-rata) 4.07s
#276	Space Bunny Alpha xhigh	Stealth	0.6	0.6	$0.000	0/2	2.22s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 2.22s
#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
#284	Trinity Large Thinking medium	Arcee AI	0.4	0.6	$0.862	0/2	3.99s
Total Tes 2 Tes Salah 2 Total Biaya $0.862 Waktu respons (rata-rata) 3.99s
#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
#317	Space Bunny Alpha low	Stealth	0.4	0.6	$0.000	0/2	1.43s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.43s
#341	Granite 4.2 8B low	IBM Granite	0.3	0.5	$0.036	0/2	75.8s
Total Tes 2 Tes Salah 2 Total Biaya $0.036 Waktu respons (rata-rata) 75.8s
#344	Laguna XS 2.1 none	Poolside	0.4	0.5	$0.020	0/2	364ms
Total Tes 2 Tes Salah 2 Total Biaya $0.020 Waktu respons (rata-rata) 364ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)