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

8.5

Model terbaik

Grok 4.20 Multi Agent Beta 9.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah82 Dengan alasan kegagalan Tidak mengikuti instruksi48 Dengan alasan kegagalan Format tambahan7 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Kesalahan API2 Dengan alasan kegagalan Tidak ada jawaban2

316/316

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#146	Step 3.7 Flash high	Stepfun	9.8	6.8	$1.229	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $1.229 Waktu respons (rata-rata) 1.52s
#127	Qwen3.5-122B-A10B medium	Qwen	10.0	7.1	$1.207	2/2	9.88s
Total Tes 2 Tes Salah 0 Total Biaya $1.207 Waktu respons (rata-rata) 9.88s
#68	GLM 5.2 high	Z.ai	10.0	8.0	$1.188	2/2	4.26s
Total Tes 2 Tes Salah 0 Total Biaya $1.188 Waktu respons (rata-rata) 4.26s
#52	GPT-5.2 medium	OpenAI	9.9	8.4	$1.182	2/2	3.12s
Total Tes 2 Tes Salah 0 Total Biaya $1.182 Waktu respons (rata-rata) 3.12s
#120	Claude Opus 4.8 none	Anthropic	9.9	7.3	$1.166	2/2	1.37s
Total Tes 2 Tes Salah 0 Total Biaya $1.166 Waktu respons (rata-rata) 1.37s
#24	Qwen3.7 Max medium	Qwen	10.0	9.1	$1.157	2/2	7.46s
Total Tes 2 Tes Salah 0 Total Biaya $1.157 Waktu respons (rata-rata) 7.46s
#147	Seed-2.0-Code medium	Bytedance Seed	9.8	6.8	$1.153	2/2	10.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.153 Waktu respons (rata-rata) 10.3s
#45	Qwen3.6 Max Preview medium	Qwen	10.0	8.6	$1.132	2/2	24.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.132 Waktu respons (rata-rata) 24.3s
#103	Grok Build 0.1 medium	X AI	9.8	7.5	$1.130	2/2	12.4s
Total Tes 2 Tes Salah 0 Total Biaya $1.130 Waktu respons (rata-rata) 12.4s
#37	Claude Opus 5 low	Anthropic	10.0	8.7	$1.121	2/2	4.13s
Total Tes 2 Tes Salah 0 Total Biaya $1.121 Waktu respons (rata-rata) 4.13s
#144	Gemini 3.5 Flash none	Google	9.8	6.9	$1.093	2/2	3.38s
Total Tes 2 Tes Salah 0 Total Biaya $1.093 Waktu respons (rata-rata) 3.38s
#64	Inkling high	Thinkingmachines	9.8	8.0	$1.046	2/2	7.00s
Total Tes 2 Tes Salah 0 Total Biaya $1.046 Waktu respons (rata-rata) 7.00s
#30	GPT-5.3-Codex medium	OpenAI	10.0	8.9	$0.988	2/2	3.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.988 Waktu respons (rata-rata) 3.04s
#100	Qwen3.5-27B medium	Qwen	10.0	7.5	$0.982	2/2	19.7s
Total Tes 2 Tes Salah 0 Total Biaya $0.982 Waktu respons (rata-rata) 19.7s
#51	Grok 4.5 low	X AI	9.8	8.4	$0.945	2/2	2.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.945 Waktu respons (rata-rata) 2.80s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)