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)
#1	Gemini 3.6 Flash high	Google	1.0	1.0	$0.900	2/2	4.07s
Total Tes 2 Tes Salah 0 Total Biaya $0.900 Waktu respons (rata-rata) 4.07s
#80	Muse Spark 1.1 low	Meta	0.7	0.9	$0.885	1/2	5.42s
Total Tes 2 Tes Salah 1 Total Biaya $0.885 Waktu respons (rata-rata) 5.42s
#72	Muse Spark 1.2 low	Meta	1.0	0.9	$0.881	2/2	2.95s
Total Tes 2 Tes Salah 0 Total Biaya $0.881 Waktu respons (rata-rata) 2.95s
#114	Seed-2.0-Code low	Bytedance Seed	1.0	0.8	$0.881	2/2	12.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.881 Waktu respons (rata-rata) 12.2s
#15	Gemini 3 Flash Preview medium	Google	1.0	1.0	$0.876	2/2	4.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.876 Waktu respons (rata-rata) 4.04s
#284	Trinity Large Thinking medium	Arcee AI	0.4	0.6	$0.862	0/2	3.99s
Total Tes 2 Tes Salah 2 Total Biaya $0.862 Waktu respons (rata-rata) 3.99s
#253	Kimi K2.5 medium	Moonshot AI	1.0	0.6	$0.841	2/2	92.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.841 Waktu respons (rata-rata) 92.5s
#238	Qwen3.6 35B A3B medium	Qwen	1.0	0.7	$0.834	2/2	7.50s
Total Tes 2 Tes Salah 0 Total Biaya $0.834 Waktu respons (rata-rata) 7.50s
#249	Beam 1.0 501B A23B max	Reflection	0.8	0.6	$0.799	1/2	866ms
Total Tes 2 Tes Salah 1 Total Biaya $0.799 Waktu respons (rata-rata) 866ms
#225	GPT-5.6 Sol none	OpenAI	0.9	0.7	$0.795	1/2	1.33s
Total Tes 2 Tes Salah 1 Total Biaya $0.795 Waktu respons (rata-rata) 1.33s
#310	Trinity Large Thinking high	Arcee AI	0.6	0.6	$0.794	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.794 Waktu respons (rata-rata) 4.12s
#32	GPT-6.1 Terra xhigh	OpenAI	0.9	0.9	$0.789	1/2	2.95s
Total Tes 2 Tes Salah 1 Total Biaya $0.789 Waktu respons (rata-rata) 2.95s
#338	Ember-1 none	Fireworks	0.6	0.5	$0.786	1/2	31.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.786 Waktu respons (rata-rata) 31.0s
#161	Qwen3.6 Flash medium	Qwen	1.0	0.7	$0.783	2/2	6.05s
Total Tes 2 Tes Salah 0 Total Biaya $0.783 Waktu respons (rata-rata) 6.05s
#200	Grok 4.6 low	X AI	1.0	0.7	$0.781	2/2	6.64s
Total Tes 2 Tes Salah 0 Total Biaya $0.781 Waktu respons (rata-rata) 6.64s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)