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

0.8

Model terbaik

Gemini 3.6 Flash 1.0

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)
#74	Qwen3.8 27B high	Qwen	1.0	0.9	~$0.298	2/2	8.24s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.298 Waktu respons (rata-rata) 8.24s
#76	Seed 2.1 Turbo medium	Bytedance Seed	1.0	0.9	$2.042	2/2	7.48s
Total Tes 2 Tes Salah 0 Total Biaya $2.042 Waktu respons (rata-rata) 7.48s
#77	GPT-6 Sol low	OpenAI	1.0	0.9	$0.477	2/2	2.37s
Total Tes 2 Tes Salah 0 Total Biaya $0.477 Waktu respons (rata-rata) 2.37s
#78	DeepSeek V4.1 Flash max	DeepSeek	1.0	0.9	$1.204	2/2	7.64s
Total Tes 2 Tes Salah 0 Total Biaya $1.204 Waktu respons (rata-rata) 7.64s
#79	GPT-6.1 Terra none	OpenAI	1.0	0.9	$0.184	2/2	1.43s
Total Tes 2 Tes Salah 0 Total Biaya $0.184 Waktu respons (rata-rata) 1.43s
#81	Claude Sonnet 5.5 xhigh	Anthropic	1.0	0.9	$1.516	2/2	4.58s
Total Tes 2 Tes Salah 0 Total Biaya $1.516 Waktu respons (rata-rata) 4.58s
#82	Claude Sonnet 5.5 high	Anthropic	1.0	0.9	$1.175	2/2	5.13s
Total Tes 2 Tes Salah 0 Total Biaya $1.175 Waktu respons (rata-rata) 5.13s
#83	Claude Haiku 5.5 low	Anthropic	1.0	0.9	$0.061	2/2	2.20s
Total Tes 2 Tes Salah 0 Total Biaya $0.061 Waktu respons (rata-rata) 2.20s
#84	Qwen3.8 Max (0902) low	Qwen	1.0	0.9	$1.131	2/2	4.32s
Total Tes 2 Tes Salah 0 Total Biaya $1.131 Waktu respons (rata-rata) 4.32s
#85	Grok 4.6 high	X AI	1.0	0.9	$2.629	2/2	13.8s
Total Tes 2 Tes Salah 0 Total Biaya $2.629 Waktu respons (rata-rata) 13.8s
#86	Muse Spark 1.3 low	Meta	1.0	0.9	$0.911	2/2	5.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.911 Waktu respons (rata-rata) 5.04s
#87	Claude Sonnet 5 medium	Anthropic	1.0	0.9	$1.438	2/2	3.10s
Total Tes 2 Tes Salah 0 Total Biaya $1.438 Waktu respons (rata-rata) 3.10s
#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
#89	Claude Haiku 5.5 max	Anthropic	1.0	0.8	$0.509	2/2	6.22s
Total Tes 2 Tes Salah 0 Total Biaya $0.509 Waktu respons (rata-rata) 6.22s
#91	Qwen3.8 2.4T A95B low	Qwen	1.0	0.8	$4.016	2/2	19.5s
Total Tes 2 Tes Salah 0 Total Biaya $4.016 Waktu respons (rata-rata) 19.5s

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: 3.0102 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.297613.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya