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

8.5

Model terbaik

Gemini 3.6 Flash 10.0

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)
#48	Grok 4.5 medium	X AI	9.8	8.5	$2.042	2/2	6.06s
Total Tes 2 Tes Salah 0 Total Biaya $2.042 Waktu respons (rata-rata) 6.06s
#49	Muse Spark 1.2 low	Meta	9.8	8.4	$0.655	2/2	2.95s
Total Tes 2 Tes Salah 0 Total Biaya $0.655 Waktu respons (rata-rata) 2.95s
#50	Grok 4.6 medium	X AI	9.8	8.4	$1.713	2/2	12.8s
Total Tes 2 Tes Salah 0 Total Biaya $1.713 Waktu respons (rata-rata) 12.8s
#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
#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
#53	Qwen3.8 27B high	Qwen	9.8	8.4	~$0.287	2/2	8.24s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.287 Waktu respons (rata-rata) 8.24s
#54	Seed 2.1 Turbo medium	Bytedance Seed	9.8	8.4	$1.951	2/2	7.48s
Total Tes 2 Tes Salah 0 Total Biaya $1.951 Waktu respons (rata-rata) 7.48s
#55	Inkling Small high	Thinkingmachines	9.8	8.4	$0.398	2/2	3.94s
Total Tes 2 Tes Salah 0 Total Biaya $0.398 Waktu respons (rata-rata) 3.94s
#58	Gemini 2.5 Flash medium	Google	9.8	8.2	$0.644	2/2	2.62s
Total Tes 2 Tes Salah 0 Total Biaya $0.644 Waktu respons (rata-rata) 2.62s
#59	Muse Spark 1.3 low	Meta	9.8	8.2	$0.689	2/2	5.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.689 Waktu respons (rata-rata) 5.04s
#60	Claude Sonnet 5 medium	Anthropic	9.9	8.2	$0.922	2/2	3.10s
Total Tes 2 Tes Salah 0 Total Biaya $0.922 Waktu respons (rata-rata) 3.10s
#61	Qwen3.8 2.4T A95B low	Qwen	9.8	8.1	$2.672	2/2	19.5s
Total Tes 2 Tes Salah 0 Total Biaya $2.672 Waktu respons (rata-rata) 19.5s
#62	GPT-5 Mini medium	OpenAI	10.0	8.1	$0.241	2/2	11.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.241 Waktu respons (rata-rata) 11.6s
#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
#66	DeepSeek V4 Flash 0731 low	DeepSeek	9.9	8.0	$0.044	2/2	3.01s
Total Tes 2 Tes Salah 0 Total Biaya $0.044 Waktu respons (rata-rata) 3.01s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biayaPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 2.8999 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.286715.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya