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)
#62	Muse Spark 1.1 medium	Meta	0.7	0.9	$1.665	1/2	6.31s
Total Tes 2 Tes Salah 1 Total Biaya $1.665 Waktu respons (rata-rata) 6.31s
#143	Muse Wonder high	Meta	0.7	0.8	$3.426	1/2	1.97s
Total Tes 2 Tes Salah 1 Total Biaya $3.426 Waktu respons (rata-rata) 1.97s
#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
#174	LongCat 2.0 high	Meituan	0.7	0.7	$0.778	1/2	6.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.778 Waktu respons (rata-rata) 6.96s
#183	LongCat 2.0 medium	Meituan	0.7	0.7	$0.767	1/2	7.38s
Total Tes 2 Tes Salah 1 Total Biaya $0.767 Waktu respons (rata-rata) 7.38s
#231	LongCat 2.0 low	Meituan	0.7	0.7	$0.630	1/2	6.39s
Total Tes 2 Tes Salah 1 Total Biaya $0.630 Waktu respons (rata-rata) 6.39s
#240	Mercury 2.5 high	Inception	0.7	0.6	$0.044	1/2	934ms
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 934ms
#260	LongCat 2.0 none	Meituan	0.7	0.6	$0.104	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.104 Waktu respons (rata-rata) 2.82s
#274	DeepSeek V4 Flash 0423 none	DeepSeek	0.7	0.6	$0.149	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.149 Waktu respons (rata-rata) 17.5s
#281	Claude Fable 5.1 low	Anthropic	0.7	0.6	$3.395	1/2	5.24s
Total Tes 2 Tes Salah 1 Total Biaya $3.395 Waktu respons (rata-rata) 5.24s
#292	Claude Sonnet 4.6 none	Anthropic	0.7	0.6	$0.661	1/2	1.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.661 Waktu respons (rata-rata) 1.96s
#305	DeepSeek V4.1 Flash 1017 none	DeepSeek	0.7	0.6	$0.055	1/2	608ms
Total Tes 2 Tes Salah 1 Total Biaya $0.055 Waktu respons (rata-rata) 608ms
#307	DeepSeek V4.1 Flash none	DeepSeek	0.7	0.6	$0.391	1/2	6.81s
Total Tes 2 Tes Salah 1 Total Biaya $0.391 Waktu respons (rata-rata) 6.81s
#313	Mistral Large 4 none	Mistral	0.7	0.6	$0.290	1/2	1.16s
Total Tes 2 Tes Salah 1 Total Biaya $0.290 Waktu respons (rata-rata) 1.16s
#316	Gemma 4 31B none	Google	0.7	0.6	$0.031	1/2	2.84s
Total Tes 2 Tes Salah 1 Total Biaya $0.031 Waktu respons (rata-rata) 2.84s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)