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

8.5

Model terbaik

Gemini 3.6 Flash 10.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah82 Dengan alasan kegagalan Tidak mengikuti instruksi48 Dengan alasan kegagalan Format tambahan7 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Kesalahan API2 Dengan alasan kegagalan Tidak ada jawaban2

316/316

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#113	Claude Sonnet 4.6 none	Anthropic	6.5	7.3	$0.661	1/2	1.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.661 Waktu respons (rata-rata) 1.96s
#141	Claude Fable 5.1 low	Anthropic	6.5	6.9	$2.565	1/2	5.24s
Total Tes 2 Tes Salah 1 Total Biaya $2.565 Waktu respons (rata-rata) 5.24s
#157	LongCat 2.0 low	Meituan	6.5	6.7	$0.412	1/2	6.39s
Total Tes 2 Tes Salah 1 Total Biaya $0.412 Waktu respons (rata-rata) 6.39s
#160	LongCat 2.0 high	Meituan	6.5	6.7	$0.492	1/2	6.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.492 Waktu respons (rata-rata) 6.96s
#177	LongCat 2.0 none	Meituan	6.5	6.4	$0.044	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 2.82s
#196	Gemma 4 31B none	Google	6.5	6.1	$0.016	1/2	2.84s
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 2.84s
#214	GPT-5.4 none	OpenAI	6.5	5.8	$0.397	1/2	1.07s
Total Tes 2 Tes Salah 1 Total Biaya $0.397 Waktu respons (rata-rata) 1.07s
#222	Kimi K2.6 none	Moonshot AI	6.5	5.7	$0.233	1/2	1.64s
Total Tes 2 Tes Salah 1 Total Biaya $0.233 Waktu respons (rata-rata) 1.64s
#226	GLM 5V Turbo none	Z.ai	6.5	5.6	$0.052	1/2	1.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.052 Waktu respons (rata-rata) 1.97s
#227	Owl Alpha medium	Openrouter	6.5	5.6	$0.000	1/2	10.2s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 10.2s
#229	Mimo V2 PRO none	Xiaomi	6.5	5.6	$0.045	1/2	2.51s
Total Tes 2 Tes Salah 1 Total Biaya $0.045 Waktu respons (rata-rata) 2.51s
#237	Mimo V2 Omni none	Xiaomi	6.5	5.5	$0.021	1/2	4.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 4.26s
#238	DeepSeek V4 Flash 0423 none	DeepSeek	6.5	5.4	$0.039	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.039 Waktu respons (rata-rata) 17.5s
#243	Kimi K2.5 none	Moonshot AI	6.5	5.4	$0.101	1/2	2.67s
Total Tes 2 Tes Salah 1 Total Biaya $0.101 Waktu respons (rata-rata) 2.67s
#256	Mistral Small 4 none	Mistral	6.5	5.1	$0.022	1/2	380ms
Total Tes 2 Tes Salah 1 Total Biaya $0.022 Waktu respons (rata-rata) 380ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)