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

8.6

Model terbaik

Grok 4.20 Multi Agent Beta 9.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah61 Dengan alasan kegagalan Tidak mengikuti instruksi19 Dengan alasan kegagalan Format tambahan3 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kedaluwarsa1 Dengan alasan kegagalan Kesalahan API1

216/216

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#97	KAT-Coder-Pro V2.5 none	Kwaipilot	9.8	6.7	$0.476	2/2	2.61s
Total Tes 2 Tes Salah 0 Total Biaya $0.476 Waktu respons (rata-rata) 2.61s
#102	LongCat 2.0 high	Meituan	6.5	6.6	$0.469	1/2	6.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.469 Waktu respons (rata-rata) 6.96s
#85	KAT-Coder-Pro V2.5 medium	Kwaipilot	9.9	6.9	$0.467	2/2	2.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.467 Waktu respons (rata-rata) 2.58s
#98	GLM 5V Turbo medium	Z.ai	9.9	6.7	$0.457	2/2	3.74s
Total Tes 2 Tes Salah 0 Total Biaya $0.457 Waktu respons (rata-rata) 3.74s
#71	Step 3.7 Flash low	Stepfun	9.8	7.3	$0.454	2/2	1.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.454 Waktu respons (rata-rata) 1.58s
#61	Qwen3.5 Plus 2026-02-15 medium	Qwen	10.0	7.5	$0.437	2/2	31.9s
Total Tes 2 Tes Salah 0 Total Biaya $0.437 Waktu respons (rata-rata) 31.9s
#14	Gemini 3.5 Flash low	Google	9.9	8.9	$0.433	2/2	1.86s
Total Tes 2 Tes Salah 0 Total Biaya $0.433 Waktu respons (rata-rata) 1.86s
#41	Qwen3.6 Plus medium	Qwen	10.0	7.8	$0.405	2/2	7.54s
Total Tes 2 Tes Salah 0 Total Biaya $0.405 Waktu respons (rata-rata) 7.54s
#145	GPT-5.4 none	OpenAI	6.5	5.8	$0.397	1/2	1.07s
Total Tes 2 Tes Salah 1 Total Biaya $0.397 Waktu respons (rata-rata) 1.07s
#96	LongCat 2.0 low	Meituan	6.5	6.7	$0.391	1/2	6.39s
Total Tes 2 Tes Salah 1 Total Biaya $0.391 Waktu respons (rata-rata) 6.39s
#36	Inkling medium	Thinkingmachines	9.8	8.0	$0.391	2/2	6.17s
Total Tes 2 Tes Salah 0 Total Biaya $0.391 Waktu respons (rata-rata) 6.17s
#66	KAT-Coder-Pro V2.5 low	Kwaipilot	10.0	7.4	$0.387	2/2	2.53s
Total Tes 2 Tes Salah 0 Total Biaya $0.387 Waktu respons (rata-rata) 2.53s
#139	Gemini 3 PRO Preview medium	Google	9.8	6.0	$0.385	2/2	3.26s
Total Tes 2 Tes Salah 0 Total Biaya $0.385 Waktu respons (rata-rata) 3.26s
#104	Gemini 3.5 Flash-Lite medium	Google	9.8	6.5	$0.369	2/2	1.59s
Total Tes 2 Tes Salah 0 Total Biaya $0.369 Waktu respons (rata-rata) 1.59s
#54	GPT-5.6 Luna medium	OpenAI	9.9	7.6	$0.352	2/2	2.38s
Total Tes 2 Tes Salah 0 Total Biaya $0.352 Waktu respons (rata-rata) 2.38s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)