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

8.6

Model terbaik

Gemini 3.6 Flash 9.9

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)
#107	MiMo-V2.5 medium	Xiaomi	9.9	6.5	$0.082	2/2	1.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.082 Waktu respons (rata-rata) 1.80s
#108	Laguna XS 2.1 medium	Poolside	9.8	6.5	$0.068	2/2	2.57s
Total Tes 2 Tes Salah 0 Total Biaya $0.068 Waktu respons (rata-rata) 2.57s
#110	Gemini 3.1 Flash Lite Preview low	Google	10.0	6.5	$0.646	2/2	1.49s
Total Tes 2 Tes Salah 0 Total Biaya $0.646 Waktu respons (rata-rata) 1.49s
#111	Gemini 3.1 Flash Lite low	Google	10.0	6.5	$0.621	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.621 Waktu respons (rata-rata) 1.52s
#112	Gemini 3.1 Flash Lite Preview none	Google	10.0	6.4	$0.052	2/2	1.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.052 Waktu respons (rata-rata) 1.13s
#113	Qwen3.5 Plus 2026-02-15 none	Qwen	10.0	6.4	$0.073	2/2	1.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.073 Waktu respons (rata-rata) 1.67s
#114	Ring-2.6-1T medium	Inclusionai	9.8	6.3	$0.103	2/2	11.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.103 Waktu respons (rata-rata) 11.8s
#115	Mimo V2 PRO medium	Xiaomi	9.9	6.3	$0.333	2/2	3.36s
Total Tes 2 Tes Salah 0 Total Biaya $0.333 Waktu respons (rata-rata) 3.36s
#116	Gemma 4 31B medium	Google	10.0	6.3	$0.107	2/2	12.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.107 Waktu respons (rata-rata) 12.8s
#119	MiMo-V2-Flash medium	Xiaomi	10.0	6.3	$0.043	2/2	4.28s
Total Tes 2 Tes Salah 0 Total Biaya $0.043 Waktu respons (rata-rata) 4.28s
#120	Qwen3.5-Flash medium	Qwen	10.0	6.2	$0.139	2/2	63.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.139 Waktu respons (rata-rata) 63.5s
#122	Seed-2.0-Lite none	Bytedance Seed	10.0	6.2	$0.066	2/2	1.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.066 Waktu respons (rata-rata) 1.06s
#124	Gemini 2.5 Flash none	Google	10.0	6.2	$0.017	2/2	590ms
Total Tes 2 Tes Salah 0 Total Biaya $0.017 Waktu respons (rata-rata) 590ms
#125	Qwen3.5-35B-A3B medium	Qwen	10.0	6.2	$0.837	2/2	24.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.837 Waktu respons (rata-rata) 24.4s
#126	Gemini 3.1 Flash Lite minimal	Google	10.0	6.1	$0.047	2/2	932ms
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 932ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)