AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kategori AI BENCHY

Peringkat 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

15

Rata-rata Skor Kepatuhan instruksi

8.0

Peringkat Model Perusahaan Skor Kepatuhan instruksi Skor Tes benar Waktu respons (rata-rata)
#21 Gemini 3 Flash Preview none Google 6.4 8.1 1/2 1.58s
#25 Grok 4.20 Beta medium X AI 8.3 8.0 1/2 4.97s
#28 GPT-5.2 Chat none OpenAI 7.5 7.9 1/2 5.46s
#30 Step 3.5 Flash medium Stepfun 8.5 7.9 1/2 4.98s
#33 GLM 5.1 medium Z.ai 6.4 7.8 1/2 7.47s
#35 MiMo-V2-Omni medium Xiaomi 8.3 7.7 1/2 4.92s
#36 GPT-5.3 Chat none OpenAI 8.3 7.7 1/2 3.29s
#42 Claude Sonnet 4.6 none Anthropic 6.5 7.4 1/2 1.96s
#44 GPT-5.4 Mini medium OpenAI 7.4 7.3 1/2 2.50s
#45 GPT-5 Mini medium OpenAI 8.0 7.0 1/2 15.7s
#47 Grok 4.20 medium X AI 7.3 7.0 1/2 4.42s
#48 Gemma 4 31B none Google 6.5 6.9 1/2 2.84s
#51 Nemotron 3 Super medium NVIDIA 7.2 6.7 1/2 7.72s
#52 Grok 4.1 Fast medium X AI 6.6 6.7 1/2 5.30s
#55 MiMo-V2-Omni none Xiaomi 6.5 6.5 1/2 4.18s

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)