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)
#67	DeepSeek V4 Flash 0731 high	DeepSeek	9.8	8.0	$0.084	2/2	4.46s
Total Tes 2 Tes Salah 0 Total Biaya $0.084 Waktu respons (rata-rata) 4.46s
#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
#69	Inkling medium	Thinkingmachines	9.8	8.0	$0.383	2/2	6.17s
Total Tes 2 Tes Salah 0 Total Biaya $0.383 Waktu respons (rata-rata) 6.17s
#70	GPT-5.6 Terra high	OpenAI	10.0	8.0	$0.836	2/2	2.14s
Total Tes 2 Tes Salah 0 Total Biaya $0.836 Waktu respons (rata-rata) 2.14s
#71	Kimi K3 max	Moonshot AI	10.0	7.9	$3.467	2/2	7.66s
Total Tes 2 Tes Salah 0 Total Biaya $3.467 Waktu respons (rata-rata) 7.66s
#72	GPT-5.2 Chat none	OpenAI	9.8	7.9	$0.594	2/2	5.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.594 Waktu respons (rata-rata) 5.51s
#73	Step 3.7 Flash medium	Stepfun	9.8	7.9	$0.495	2/2	1.83s
Total Tes 2 Tes Salah 0 Total Biaya $0.495 Waktu respons (rata-rata) 1.83s
#74	Qwen3.8 27B low	Qwen	10.0	7.9	~$0.071	2/2	2.43s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.071 Waktu respons (rata-rata) 2.43s
#75	Qwen3.7 Plus medium	Qwen	10.0	7.9	$0.277	2/2	16.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.277 Waktu respons (rata-rata) 16.1s
#76	Qwen3.6 Plus medium	Qwen	10.0	7.8	$0.418	2/2	7.54s
Total Tes 2 Tes Salah 0 Total Biaya $0.418 Waktu respons (rata-rata) 7.54s
#77	Gemini 3.5 Flash Lite medium	Google	9.8	7.8	$0.272	2/2	1.72s
Total Tes 2 Tes Salah 0 Total Biaya $0.272 Waktu respons (rata-rata) 1.72s
#78	GLM 5.2 medium	Z.ai	9.9	7.8	$0.224	2/2	7.90s
Total Tes 2 Tes Salah 0 Total Biaya $0.224 Waktu respons (rata-rata) 7.90s
#79	GPT-5.6 Terra medium	OpenAI	10.0	7.8	$0.523	2/2	1.43s
Total Tes 2 Tes Salah 0 Total Biaya $0.523 Waktu respons (rata-rata) 1.43s
#80	Claude Sonnet 4.6 medium	Anthropic	10.0	7.8	$2.126	2/2	2.61s
Total Tes 2 Tes Salah 0 Total Biaya $2.126 Waktu respons (rata-rata) 2.61s
#81	Qwen3.8 27B medium	Qwen	10.0	7.8	~$0.058	2/2	2.54s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.058 Waktu respons (rata-rata) 2.54s

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: 0.7171 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.070898.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya