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

0.8

Model terbaik

Gemini 3.6 Flash 1.0

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)
#125	Qwen3.5-27B medium	Qwen	1.0	0.8	$1.135	2/2	19.7s
Total Tes 2 Tes Salah 0 Total Biaya $1.135 Waktu respons (rata-rata) 19.7s
#126	GLM 5.3 FlashX max	Z.ai	1.0	0.8	$0.623	2/2	2.23s
Total Tes 2 Tes Salah 0 Total Biaya $0.623 Waktu respons (rata-rata) 2.23s
#127	Claude Fable 5.1 high	Anthropic	1.0	0.8	$3.471	2/2	5.60s
Total Tes 2 Tes Salah 0 Total Biaya $3.471 Waktu respons (rata-rata) 5.60s
#128	GPT-5.4 Mini medium	OpenAI	1.0	0.8	$1.102	2/2	2.13s
Total Tes 2 Tes Salah 0 Total Biaya $1.102 Waktu respons (rata-rata) 2.13s
#129	Qwen3.7 Max none	Qwen	1.0	0.8	$0.451	2/2	943ms
Total Tes 2 Tes Salah 0 Total Biaya $0.451 Waktu respons (rata-rata) 943ms
#130	Gemini 3.5 Flash medium	Google	1.0	0.8	$1.316	2/2	2.70s
Total Tes 2 Tes Salah 0 Total Biaya $1.316 Waktu respons (rata-rata) 2.70s
#131	Qwen3.8 2.4T A95B high	Qwen	1.0	0.8	$2.949	2/2	11.4s
Total Tes 2 Tes Salah 0 Total Biaya $2.949 Waktu respons (rata-rata) 11.4s
#132	MiMo-V2.6-Flash medium	Xiaomi	1.0	0.8	$0.218	2/2	1.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.218 Waktu respons (rata-rata) 1.13s
#134	Ling 3.1 Flash high	Inclusionai	1.0	0.8	$0.000	2/2	4.31s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 4.31s
#135	DeepSeek V4.1 Flash 1017 high	DeepSeek	1.0	0.8	$0.589	2/2	1.12s
Total Tes 2 Tes Salah 0 Total Biaya $0.589 Waktu respons (rata-rata) 1.12s
#136	Grok 4.5 medium	X AI	1.0	0.8	$2.996	2/2	6.06s
Total Tes 2 Tes Salah 0 Total Biaya $2.996 Waktu respons (rata-rata) 6.06s
#137	GLM 5.3 high	Z.ai	1.0	0.8	$0.495	2/2	3.62s
Total Tes 2 Tes Salah 0 Total Biaya $0.495 Waktu respons (rata-rata) 3.62s
#138	Step 3.7 Flash medium	Stepfun	1.0	0.8	$0.571	2/2	1.83s
Total Tes 2 Tes Salah 0 Total Biaya $0.571 Waktu respons (rata-rata) 1.83s
#139	Grok 4.6 medium	X AI	1.0	0.8	$2.270	2/2	12.8s
Total Tes 2 Tes Salah 0 Total Biaya $2.270 Waktu respons (rata-rata) 12.8s
#141	Grok 4.5 low	X AI	1.0	0.8	$1.345	2/2	2.80s
Total Tes 2 Tes Salah 0 Total Biaya $1.345 Waktu respons (rata-rata) 2.80s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)