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

8.5

Model terbaik

Gemini 3.6 Flash 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)
#116	GLM 5.3 Flash high	Z.ai	10.0	7.3	$0.029	2/2	2.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.029 Waktu respons (rata-rata) 2.06s
#117	Gemini 3.1 Flash Lite medium	Google	9.9	7.3	$0.120	2/2	2.59s
Total Tes 2 Tes Salah 0 Total Biaya $0.120 Waktu respons (rata-rata) 2.59s
#120	Claude Opus 4.8 none	Anthropic	9.9	7.3	$1.166	2/2	1.37s
Total Tes 2 Tes Salah 0 Total Biaya $1.166 Waktu respons (rata-rata) 1.37s
#121	Kimi K2.6 medium	Moonshot AI	10.0	7.2	$1.247	2/2	12.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.247 Waktu respons (rata-rata) 12.5s
#122	KAT-Coder-Pro V2.5 high	Kwaipilot	9.9	7.2	$0.506	2/2	2.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.506 Waktu respons (rata-rata) 2.67s
#124	Qwen3.5 Plus 2026-04-20 medium	Qwen	10.0	7.2	$0.323	2/2	20.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.323 Waktu respons (rata-rata) 20.2s
#126	Muse Glimmer 30B medium	Meta	9.8	7.2	$0.211	2/2	5.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.211 Waktu respons (rata-rata) 5.34s
#127	Qwen3.5-122B-A10B medium	Qwen	10.0	7.1	$1.207	2/2	9.88s
Total Tes 2 Tes Salah 0 Total Biaya $1.207 Waktu respons (rata-rata) 9.88s
#129	Step 3.7 Flash low	Stepfun	9.8	7.1	$0.390	2/2	1.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.390 Waktu respons (rata-rata) 1.58s
#131	Grok 4.3 medium	X AI	9.8	7.0	$0.741	2/2	18.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.741 Waktu respons (rata-rata) 18.6s
#133	DeepSeek V3.2 medium	DeepSeek	10.0	7.0	$0.078	2/2	35.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.078 Waktu respons (rata-rata) 35.8s
#136	Mercury 2 medium	Inception	10.0	7.0	$0.094	2/2	1.07s
Total Tes 2 Tes Salah 0 Total Biaya $0.094 Waktu respons (rata-rata) 1.07s
#137	Grok 4.20 medium	X AI	9.8	7.0	$0.805	2/2	4.26s
Total Tes 2 Tes Salah 0 Total Biaya $0.805 Waktu respons (rata-rata) 4.26s
#138	Seed-2.0-Mini medium	Bytedance Seed	10.0	7.0	$0.116	2/2	17.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.116 Waktu respons (rata-rata) 17.5s
#139	Kimi K2.5 medium	Moonshot AI	10.0	7.0	$0.479	2/2	92.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.479 Waktu respons (rata-rata) 92.5s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)