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)
#18	Gemini 3.1 Pro Preview medium	Google	10.0	9.2	$1.352	2/2	9.56s
Total Tes 2 Tes Salah 0 Total Biaya $1.352 Waktu respons (rata-rata) 9.56s
#19	Gemini 3.7 Flash low	Google	10.0	9.2	$0.207	2/2	2.47s
Total Tes 2 Tes Salah 0 Total Biaya $0.207 Waktu respons (rata-rata) 2.47s
#20	Claude Opus 5 high	Anthropic	10.0	9.2	$3.070	2/2	4.78s
Total Tes 2 Tes Salah 0 Total Biaya $3.070 Waktu respons (rata-rata) 4.78s
#21	Claude Opus 5 medium	Anthropic	10.0	9.2	$1.586	2/2	4.16s
Total Tes 2 Tes Salah 0 Total Biaya $1.586 Waktu respons (rata-rata) 4.16s
#22	Gemini 3.8 Flash medium	Google	10.0	9.1	$0.653	2/2	4.81s
Total Tes 2 Tes Salah 0 Total Biaya $0.653 Waktu respons (rata-rata) 4.81s
#24	Qwen3.7 Max medium	Qwen	10.0	9.1	$1.157	2/2	7.46s
Total Tes 2 Tes Salah 0 Total Biaya $1.157 Waktu respons (rata-rata) 7.46s
#25	Claude Fable 5.1 high	Anthropic	10.0	9.0	$3.364	2/2	5.60s
Total Tes 2 Tes Salah 0 Total Biaya $3.364 Waktu respons (rata-rata) 5.60s
#27	GPT-5.5 medium	OpenAI	10.0	9.0	$4.163	2/2	3.36s
Total Tes 2 Tes Salah 0 Total Biaya $4.163 Waktu respons (rata-rata) 3.36s
#28	Qwen3.8 Max medium	Qwen	10.0	9.0	$0.771	2/2	3.49s
Total Tes 2 Tes Salah 0 Total Biaya $0.771 Waktu respons (rata-rata) 3.49s
#30	GPT-5.3-Codex medium	OpenAI	10.0	8.9	$0.988	2/2	3.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.988 Waktu respons (rata-rata) 3.04s
#36	Claude Opus 4.8 medium	Anthropic	10.0	8.8	$1.983	2/2	3.32s
Total Tes 2 Tes Salah 0 Total Biaya $1.983 Waktu respons (rata-rata) 3.32s
#37	Claude Opus 5 low	Anthropic	10.0	8.7	$1.121	2/2	4.13s
Total Tes 2 Tes Salah 0 Total Biaya $1.121 Waktu respons (rata-rata) 4.13s
#40	Claude Opus 4.7 medium	Anthropic	10.0	8.7	$1.476	2/2	1.57s
Total Tes 2 Tes Salah 0 Total Biaya $1.476 Waktu respons (rata-rata) 1.57s
#44	Claude Fable 5 medium	Anthropic	10.0	8.6	$3.004	2/2	5.90s
Total Tes 2 Tes Salah 0 Total Biaya $3.004 Waktu respons (rata-rata) 5.90s
#45	Qwen3.6 Max Preview medium	Qwen	10.0	8.6	$1.132	2/2	24.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.132 Waktu respons (rata-rata) 24.3s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)