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: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Kimi K2.5 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)
#29	Grok 4.5 high	X AI	9.8	9.0	$2.252	2/2	6.23s
Total Tes 2 Tes Salah 0 Total Biaya $2.252 Waktu respons (rata-rata) 6.23s
#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
#172	Hy3 preview medium	Tencent	10.0	6.5	$0.049	2/2	6.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.049 Waktu respons (rata-rata) 6.16s
#97	MiniMax M3 medium	Minimax	9.8	7.5	$0.300	2/2	6.14s
Total Tes 2 Tes Salah 0 Total Biaya $0.300 Waktu respons (rata-rata) 6.14s
#48	Grok 4.5 medium	X AI	9.8	8.5	$2.042	2/2	6.06s
Total Tes 2 Tes Salah 0 Total Biaya $2.042 Waktu respons (rata-rata) 6.06s
#145	Qwen3.6 Flash medium	Qwen	10.0	6.8	$0.741	2/2	6.05s
Total Tes 2 Tes Salah 0 Total Biaya $0.741 Waktu respons (rata-rata) 6.05s
#44	Claude Fable 5 medium	Anthropic	10.0	8.6	$3.004	2/2	5.90s
Total Tes 2 Tes Salah 0 Total Biaya $3.004 Waktu respons (rata-rata) 5.90s
#57	Claude Fable 5.1 medium	Anthropic	7.3	8.3	$2.909	1/2	5.77s
Total Tes 2 Tes Salah 1 Total Biaya $2.909 Waktu respons (rata-rata) 5.77s
#309	Qwen3.5-9B medium	Qwen	6.5	3.8	$0.062	1/2	5.75s
Total Tes 2 Tes Salah 1 Total Biaya $0.062 Waktu respons (rata-rata) 5.75s
#25	Claude Fable 5.1 high	Anthropic	10.0	9.0	$3.364	2/2	5.60s
Total Tes 2 Tes Salah 0 Total Biaya $3.364 Waktu respons (rata-rata) 5.60s
#271	Ling-2.6-flash none	Inclusionai	9.8	4.9	$0.002	2/2	5.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.002 Waktu respons (rata-rata) 5.52s
#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
#275	Nemotron 3.5 Lightning low	NVIDIA	8.4	4.8	$0.140	1/2	5.46s
Total Tes 2 Tes Salah 1 Total Biaya $0.140 Waktu respons (rata-rata) 5.46s
#41	Muse Spark 1.2 high	Meta	9.8	8.7	$1.771	2/2	5.43s
Total Tes 2 Tes Salah 0 Total Biaya $1.771 Waktu respons (rata-rata) 5.43s
#56	Muse Spark 1.1 low	Meta	7.3	8.3	$0.673	1/2	5.42s
Total Tes 2 Tes Salah 1 Total Biaya $0.673 Waktu respons (rata-rata) 5.42s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)