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)
#24	GPT-5.6 Sol high	OpenAI	1.0	0.9	$1.595	2/2	2.73s
Total Tes 2 Tes Salah 0 Total Biaya $1.595 Waktu respons (rata-rata) 2.73s
#210	Kimi K2.6 medium	Moonshot AI	1.0	0.7	$1.594	2/2	12.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.594 Waktu respons (rata-rata) 12.5s
#61	Muse Spark 1.2 medium	Meta	1.0	0.9	$1.590	2/2	4.40s
Total Tes 2 Tes Salah 0 Total Biaya $1.590 Waktu respons (rata-rata) 4.40s
#94	Gemini 3.1 Pro Preview medium	Google	1.0	0.8	$1.585	2/2	9.56s
Total Tes 2 Tes Salah 0 Total Biaya $1.585 Waktu respons (rata-rata) 9.56s
#73	GPT-5.2 medium	OpenAI	1.0	0.9	$1.558	2/2	3.12s
Total Tes 2 Tes Salah 0 Total Biaya $1.558 Waktu respons (rata-rata) 3.12s
#156	GLM 5.1 medium	Z.ai	0.6	0.8	$1.546	1/2	7.47s
Total Tes 2 Tes Salah 1 Total Biaya $1.546 Waktu respons (rata-rata) 7.47s
#47	Pareto default	Unbiased	1.0	0.9	$1.520	2/2	4.95s
Total Tes 2 Tes Salah 0 Total Biaya $1.520 Waktu respons (rata-rata) 4.95s
#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
#197	Ember-1 low	Fireworks	0.6	0.7	$1.488	1/2	32.7s
Total Tes 2 Tes Salah 1 Total Biaya $1.488 Waktu respons (rata-rata) 32.7s
#233	Step 3.7 Flash high	Stepfun	1.0	0.7	$1.478	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $1.478 Waktu respons (rata-rata) 1.52s
#159	Seed-2.0-Code high	Bytedance Seed	1.0	0.7	$1.448	2/2	11.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.448 Waktu respons (rata-rata) 11.3s
#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
#218	Grok Build 0.1 medium	X AI	1.0	0.7	$1.419	2/2	12.4s
Total Tes 2 Tes Salah 0 Total Biaya $1.419 Waktu respons (rata-rata) 12.4s
#158	Mistral Large 4 high	Mistral	0.8	0.8	$1.391	1/2	22.0s
Total Tes 2 Tes Salah 1 Total Biaya $1.391 Waktu respons (rata-rata) 22.0s
#6	GPT-6.1 Sol xhigh	OpenAI	1.0	1.0	$1.377	2/2	3.78s
Total Tes 2 Tes Salah 0 Total Biaya $1.377 Waktu respons (rata-rata) 3.78s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)