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)
#270	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	2.43s
Total Tes 2 Tes Salah 0 Total Biaya $2.961 Waktu respons (rata-rata) 2.43s
#131	Qwen3.8 2.4T A95B high	Qwen	1.0	0.8	$2.949	2/2	11.4s
Total Tes 2 Tes Salah 0 Total Biaya $2.949 Waktu respons (rata-rata) 11.4s
#172	Grok 4.7 medium	X AI	0.8	0.7	$2.938	1/2	6.68s
Total Tes 2 Tes Salah 1 Total Biaya $2.938 Waktu respons (rata-rata) 6.68s
#31	Claude Opus 5 medium	Anthropic	1.0	0.9	$2.870	2/2	4.16s
Total Tes 2 Tes Salah 0 Total Biaya $2.870 Waktu respons (rata-rata) 4.16s
#187	Claude Opus 5 none	Anthropic	1.0	0.7	$2.766	2/2	2.81s
Total Tes 2 Tes Salah 0 Total Biaya $2.766 Waktu respons (rata-rata) 2.81s
#101	Gemini 3.5 Flash high	Google	1.0	0.8	$2.737	2/2	3.35s
Total Tes 2 Tes Salah 0 Total Biaya $2.737 Waktu respons (rata-rata) 3.35s
#23	GPT-6 Astra medium	OpenAI	1.0	0.9	$2.707	2/2	2.86s
Total Tes 2 Tes Salah 0 Total Biaya $2.707 Waktu respons (rata-rata) 2.86s
#109	Grok 4.5 high	X AI	1.0	0.8	$2.687	2/2	6.23s
Total Tes 2 Tes Salah 0 Total Biaya $2.687 Waktu respons (rata-rata) 6.23s
#46	Muse Wonder low	Meta	0.7	0.9	$2.637	1/2	2.08s
Total Tes 2 Tes Salah 1 Total Biaya $2.637 Waktu respons (rata-rata) 2.08s
#85	Grok 4.6 high	X AI	1.0	0.9	$2.629	2/2	13.8s
Total Tes 2 Tes Salah 0 Total Biaya $2.629 Waktu respons (rata-rata) 13.8s
#96	Muse Spark 1.1 high	Meta	0.6	0.8	$2.570	1/2	7.81s
Total Tes 2 Tes Salah 1 Total Biaya $2.570 Waktu respons (rata-rata) 7.81s
#205	Ember-1 high	Fireworks	0.7	0.7	$2.405	1/2	33.4s
Total Tes 2 Tes Salah 1 Total Biaya $2.405 Waktu respons (rata-rata) 33.4s
#56	Claude Opus 5 low	Anthropic	1.0	0.9	$2.350	2/2	4.13s
Total Tes 2 Tes Salah 0 Total Biaya $2.350 Waktu respons (rata-rata) 4.13s
#209	Claude Opus 4.8 none	Anthropic	1.0	0.7	$2.334	2/2	1.37s
Total Tes 2 Tes Salah 0 Total Biaya $2.334 Waktu respons (rata-rata) 1.37s
#401	Gemini 3.1 Flash Lite Preview high	Google	1.0	0.4	$2.310	2/2	64.0s
Total Tes 2 Tes Salah 0 Total Biaya $2.310 Waktu respons (rata-rata) 64.0s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)