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

0.8

Model terbaik

Claude Sonnet 5.5 0.9

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)
#335	Hy4 preview low	Tencent	1.0	0.5	$1.844	2/2	77.7s
Total Tes 2 Tes Salah 0 Total Biaya $1.844 Waktu respons (rata-rata) 77.7s
#65	Kimi K3.1 Pro low	Moonshot AI	1.0	0.9	$1.836	2/2	5.84s
Total Tes 2 Tes Salah 0 Total Biaya $1.836 Waktu respons (rata-rata) 5.84s
#25	GPT-5.5 low	OpenAI	1.0	0.9	$1.822	2/2	3.74s
Total Tes 2 Tes Salah 0 Total Biaya $1.822 Waktu respons (rata-rata) 3.74s
#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
#18	Gemini 4 Argon high	Google	1.0	1.0	$1.802	2/2	5.32s
Total Tes 2 Tes Salah 0 Total Biaya $1.802 Waktu respons (rata-rata) 5.32s
#35	Muse Spark Open high	Meta	1.0	0.9	$1.782	2/2	28.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.782 Waktu respons (rata-rata) 28.5s
#282	Gemini 3.5 Flash none	Google	1.0	0.6	$1.752	2/2	3.38s
Total Tes 2 Tes Salah 0 Total Biaya $1.752 Waktu respons (rata-rata) 3.38s
#26	Claude Opus 5.5 low	Anthropic	1.0	0.9	$1.733	2/2	21.1s
Total Tes 2 Tes Salah 0 Total Biaya $1.733 Waktu respons (rata-rata) 21.1s
#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
#21	GPT-5.6 Sol medium	OpenAI	1.0	0.9	$1.700	2/2	2.50s
Total Tes 2 Tes Salah 0 Total Biaya $1.700 Waktu respons (rata-rata) 2.50s
#88	Qwen3.7 Max medium	Qwen	1.0	0.9	$1.689	2/2	7.46s
Total Tes 2 Tes Salah 0 Total Biaya $1.689 Waktu respons (rata-rata) 7.46s
#62	Muse Spark 1.1 medium	Meta	0.7	0.9	$1.665	1/2	6.31s
Total Tes 2 Tes Salah 1 Total Biaya $1.665 Waktu respons (rata-rata) 6.31s
#113	Kimi K3.1 Pro high	Moonshot AI	1.0	0.8	$1.646	2/2	5.71s
Total Tes 2 Tes Salah 0 Total Biaya $1.646 Waktu respons (rata-rata) 5.71s
#34	Seed 2.1 Turbo low	Bytedance Seed	1.0	0.9	$1.645	2/2	5.05s
Total Tes 2 Tes Salah 0 Total Biaya $1.645 Waktu respons (rata-rata) 5.05s
#49	Muse Wonder minimal	Meta	0.7	0.9	$1.639	1/2	1.39s
Total Tes 2 Tes Salah 1 Total Biaya $1.639 Waktu respons (rata-rata) 1.39s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)