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)
#36	Claude Opus 5.5 medium	Anthropic	1.0	0.9	$1.804	2/2	21.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.804 Waktu respons (rata-rata) 21.3s
#38	GPT-5.5 medium	OpenAI	1.0	0.9	$4.809	2/2	3.36s
Total Tes 2 Tes Salah 0 Total Biaya $4.809 Waktu respons (rata-rata) 3.36s
#40	Qwen3.8 MAX medium	Qwen	1.0	0.9	$1.181	2/2	3.49s
Total Tes 2 Tes Salah 0 Total Biaya $1.181 Waktu respons (rata-rata) 3.49s
#41	DeepSeek V4.1 Flash 1017 low	DeepSeek	1.0	0.9	$0.355	2/2	1.25s
Total Tes 2 Tes Salah 0 Total Biaya $0.355 Waktu respons (rata-rata) 1.25s
#42	Qwen3.8 Max (0902) high	Qwen	1.0	0.9	$3.306	2/2	7.55s
Total Tes 2 Tes Salah 0 Total Biaya $3.306 Waktu respons (rata-rata) 7.55s
#43	GPT-5.3-Codex medium	OpenAI	1.0	0.9	$1.318	2/2	3.04s
Total Tes 2 Tes Salah 0 Total Biaya $1.318 Waktu respons (rata-rata) 3.04s
#44	Claude Haiku 5.5 xhigh	Anthropic	1.0	0.9	$0.140	2/2	3.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 3.34s
#47	Pareto default	Unbiased	1.0	0.9	$1.520	2/2	4.95s
Total Tes 2 Tes Salah 0 Total Biaya $1.520 Waktu respons (rata-rata) 4.95s
#48	Seed 2.1 Turbo high	Bytedance Seed	1.0	0.9	$1.892	2/2	7.66s
Total Tes 2 Tes Salah 0 Total Biaya $1.892 Waktu respons (rata-rata) 7.66s
#50	Muse Spark Open xhigh	Meta	1.0	0.9	$2.081	2/2	23.5s
Total Tes 2 Tes Salah 0 Total Biaya $2.081 Waktu respons (rata-rata) 23.5s
#51	Gemini 3.5 Flash low	Google	1.0	0.9	$0.752	2/2	1.86s
Total Tes 2 Tes Salah 0 Total Biaya $0.752 Waktu respons (rata-rata) 1.86s
#52	Qwen3.8 Max (0902) medium	Qwen	1.0	0.9	$1.096	2/2	4.24s
Total Tes 2 Tes Salah 0 Total Biaya $1.096 Waktu respons (rata-rata) 4.24s
#53	Muse Spark 1.3 medium	Meta	1.0	0.9	$1.712	2/2	10.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.712 Waktu respons (rata-rata) 10.5s
#54	Gemini 3.5 Flash Lite high	Google	1.0	0.9	$0.624	2/2	2.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.624 Waktu respons (rata-rata) 2.16s
#55	Gemini 4 Argon medium	Google	1.0	0.9	$0.674	2/2	2.71s
Total Tes 2 Tes Salah 0 Total Biaya $0.674 Waktu respons (rata-rata) 2.71s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)