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)
#39	Claude Sonnet 5.5 max	Anthropic	0.9	0.9	$8.557	1/2	6.24s
Total Tes 2 Tes Salah 1 Total Biaya $8.557 Waktu respons (rata-rata) 6.24s
#8	GPT-6 Astra xhigh	OpenAI	1.0	1.0	$6.213	2/2	4.91s
Total Tes 2 Tes Salah 0 Total Biaya $6.213 Waktu respons (rata-rata) 4.91s
#409	Grok 4.20 Multi Agent Beta medium	X AI	1.0	0.4	$5.599	2/2	3.52s
Total Tes 2 Tes Salah 0 Total Biaya $5.599 Waktu respons (rata-rata) 3.52s
#63	Claude Fable 5 medium	Anthropic	1.0	0.9	$5.089	2/2	5.90s
Total Tes 2 Tes Salah 0 Total Biaya $5.089 Waktu respons (rata-rata) 5.90s
#5	GPT-6 Astra max	OpenAI	1.0	1.0	$5.044	2/2	6.34s
Total Tes 2 Tes Salah 0 Total Biaya $5.044 Waktu respons (rata-rata) 6.34s
#38	GPT-5.5 medium	OpenAI	1.0	0.9	$4.809	2/2	3.36s
Total Tes 2 Tes Salah 0 Total Biaya $4.809 Waktu respons (rata-rata) 3.36s
#133	Muse Wonder max	Meta	0.8	0.8	$4.766	1/2	13.2s
Total Tes 2 Tes Salah 1 Total Biaya $4.766 Waktu respons (rata-rata) 13.2s
#98	GLM 5.2 high	Z.ai	1.0	0.8	$4.632	2/2	4.26s
Total Tes 2 Tes Salah 0 Total Biaya $4.632 Waktu respons (rata-rata) 4.26s
#30	Claude Opus 5 high	Anthropic	1.0	0.9	$4.524	2/2	4.78s
Total Tes 2 Tes Salah 0 Total Biaya $4.524 Waktu respons (rata-rata) 4.78s
#198	Step 5 Preview high	Stepfun	0.7	0.7	$4.513	1/2	20.5s
Total Tes 2 Tes Salah 1 Total Biaya $4.513 Waktu respons (rata-rata) 20.5s
#7	GPT-6 Astra high	OpenAI	1.0	1.0	$4.458	2/2	3.58s
Total Tes 2 Tes Salah 0 Total Biaya $4.458 Waktu respons (rata-rata) 3.58s
#288	Step 5 Preview medium	Stepfun	1.0	0.6	$4.136	2/2	4.23s
Total Tes 2 Tes Salah 0 Total Biaya $4.136 Waktu respons (rata-rata) 4.23s
#320	Step 5 Preview low	Stepfun	1.0	0.6	$4.110	2/2	6.78s
Total Tes 2 Tes Salah 0 Total Biaya $4.110 Waktu respons (rata-rata) 6.78s
#91	Qwen3.8 2.4T A95B low	Qwen	1.0	0.8	$4.016	2/2	19.5s
Total Tes 2 Tes Salah 0 Total Biaya $4.016 Waktu respons (rata-rata) 19.5s
#151	Muse Wonder xhigh	Meta	0.7	0.8	$4.012	1/2	2.64s
Total Tes 2 Tes Salah 1 Total Biaya $4.012 Waktu respons (rata-rata) 2.64s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)