Peringkat model Kepatuhan instruksi

Lihat model AI mana yang paling baik di Kepatuhan instruksi, mana yang tetap andal, dan di mana kesenjangan terbesar muncul.

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)
#64	Pareto 26.9 default	Unbiased	1.0	0.9	$1.864	2/2	3.82s
Total Tes 2 Tes Salah 0 Total Biaya $1.864 Waktu respons (rata-rata) 3.82s
#95	Inkling high	Thinkingmachines	1.0	0.8	$1.238	2/2	7.00s
Total Tes 2 Tes Salah 0 Total Biaya $1.238 Waktu respons (rata-rata) 7.00s
#97	DeepSeek V4 Flash 0731 high	DeepSeek	1.0	0.8	$0.576	2/2	4.46s
Total Tes 2 Tes Salah 0 Total Biaya $0.576 Waktu respons (rata-rata) 4.46s
#103	GPT-6 Luna medium	OpenAI	1.0	0.8	$0.047	2/2	13.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 13.2s
#121	GPT-5.4 Nano medium	OpenAI	1.0	0.8	$0.235	2/2	1.88s
Total Tes 2 Tes Salah 0 Total Biaya $0.235 Waktu respons (rata-rata) 1.88s
#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
#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
#159	Seed-2.0-Code high	Bytedance Seed	1.0	0.7	$1.448	2/2	11.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.448 Waktu respons (rata-rata) 11.3s
#166	Inkling Small high	Thinkingmachines	1.0	0.7	$0.398	2/2	3.94s
Total Tes 2 Tes Salah 0 Total Biaya $0.398 Waktu respons (rata-rata) 3.94s
#181	Claude Opus 4.8 low	Anthropic	1.0	0.7	$3.787	2/2	2.78s
Total Tes 2 Tes Salah 0 Total Biaya $3.787 Waktu respons (rata-rata) 2.78s
#218	Grok Build 0.1 medium	X AI	1.0	0.7	$1.419	2/2	12.4s
Total Tes 2 Tes Salah 0 Total Biaya $1.419 Waktu respons (rata-rata) 12.4s
#222	MiniMax M3 medium	Minimax	1.0	0.7	$0.422	2/2	6.14s
Total Tes 2 Tes Salah 0 Total Biaya $0.422 Waktu respons (rata-rata) 6.14s
#245	Grok 4.3 medium	X AI	1.0	0.6	$0.989	2/2	18.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.989 Waktu respons (rata-rata) 18.6s
#250	Solar Pro 4 medium	Upstage	1.0	0.6	$0.098	2/2	40.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.098 Waktu respons (rata-rata) 40.1s
#263	Gemini 3.5 Flash Lite low	Google	1.0	0.6	$0.183	2/2	1.75s
Total Tes 2 Tes Salah 0 Total Biaya $0.183 Waktu respons (rata-rata) 1.75s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)