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)
#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
#150	Muse Glimmer 30B medium	Meta	1.0	0.8	$0.288	2/2	5.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.288 Waktu respons (rata-rata) 5.34s
#152	Qwen3.8 Flash Next medium	Qwen	1.0	0.8	~$0.047	2/2	2.04s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.047 Waktu respons (rata-rata) 2.04s
#163	Seed-2.0-Code medium	Bytedance Seed	1.0	0.7	$1.275	2/2	10.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.275 Waktu respons (rata-rata) 10.3s
#168	Inkling medium	Thinkingmachines	1.0	0.7	$0.527	2/2	6.17s
Total Tes 2 Tes Salah 0 Total Biaya $0.527 Waktu respons (rata-rata) 6.17s
#173	Gemini 2.5 Flash medium	Google	1.0	0.7	$0.680	2/2	2.62s
Total Tes 2 Tes Salah 0 Total Biaya $0.680 Waktu respons (rata-rata) 2.62s
#176	Gemini 3.5 Flash Lite medium	Google	1.0	0.7	$0.440	2/2	1.72s
Total Tes 2 Tes Salah 0 Total Biaya $0.440 Waktu respons (rata-rata) 1.72s
#182	Qwen3.7 Flash high	Qwen	1.0	0.7	$0.063	2/2	9.41s
Total Tes 2 Tes Salah 0 Total Biaya $0.063 Waktu respons (rata-rata) 9.41s
#185	Step 3.7 Flash low	Stepfun	1.0	0.7	$0.449	2/2	1.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.449 Waktu respons (rata-rata) 1.58s
#188	Qwen3.8 Flash Next xhigh	Qwen	1.0	0.7	~$0.195	2/2	3.72s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.195 Waktu respons (rata-rata) 3.72s
#193	GPT-5.2 Chat default	OpenAI	1.0	0.7	$0.594	2/2	5.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.594 Waktu respons (rata-rata) 5.51s
#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
#212	Inkling low	Thinkingmachines	1.0	0.7	$0.293	2/2	1.81s
Total Tes 2 Tes Salah 0 Total Biaya $0.293 Waktu respons (rata-rata) 1.81s
#213	Mercury 2.5 Preview medium	Inception	1.0	0.7	$0.039	2/2	1.35s
Total Tes 2 Tes Salah 0 Total Biaya $0.039 Waktu respons (rata-rata) 1.35s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biayaPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya