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: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

0.8

Model terbaik

Command A+ 0.3

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)
#425	Grok 4.20 none	X AI	0.6	0.3	$0.057	1/2	445ms
Total Tes 2 Tes Salah 1 Total Biaya $0.057 Waktu respons (rata-rata) 445ms
#434	Laguna Xs.2 default	Poolside	0.7	0.3	$0.004	1/2	439ms
Total Tes 2 Tes Salah 1 Total Biaya $0.004 Waktu respons (rata-rata) 439ms
#451	Decider Flash V1.2 default	Perplexity	0.2	0.2	$0.001	0/1	424ms
Total Tes 1 Tes Salah 1 Total Biaya $0.001 Waktu respons (rata-rata) 424ms
#386	Laguna S 2.1 low	Poolside	0.4	0.5	$0.108	0/2	423ms
Total Tes 2 Tes Salah 2 Total Biaya $0.108 Waktu respons (rata-rata) 423ms
#358	Laguna S 2.1 medium	Poolside	0.4	0.5	$0.092	0/2	400ms
Total Tes 2 Tes Salah 2 Total Biaya $0.092 Waktu respons (rata-rata) 400ms
#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
#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
#414	Granite 4.1 8b default	IBM Granite	0.4	0.4	$0.007	0/2	344ms
Total Tes 2 Tes Salah 2 Total Biaya $0.007 Waktu respons (rata-rata) 344ms
#443	Decider V1.1 27B default	Perplexity	0.2	0.3	$0.002	0/1	333ms
Total Tes 1 Tes Salah 1 Total Biaya $0.002 Waktu respons (rata-rata) 333ms
#454	Gemini 3 Flash Preview high	Google	0.0	0.2	$0.105	0/0	0ms
Total Tes 0 Tes Salah 0 Total Biaya $0.105 Waktu respons (rata-rata) 0ms
#461	Claude Opus 5.5 none	Anthropic	0.0	0.2	$0.015	0/0	0ms
Total Tes 0 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 0ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)