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)
#276	Space Bunny Alpha xhigh	Stealth	0.6	0.6	$0.000	0/2	2.22s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 2.22s
#237	Minimax M3.1 Flash high	Minimax	0.5	0.7	$0.000	0/2	1.65s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.65s
#279	DeepSeek V4 Flash 0731 none	DeepSeek	0.5	0.6	$0.053	0/2	1.42s
Total Tes 2 Tes Salah 2 Total Biaya $0.053 Waktu respons (rata-rata) 1.42s
#437	Span-02 default	Respan	0.5	0.3	$0.001	1/1	2.30s
Total Tes 1 Tes Salah 0 Total Biaya $0.001 Waktu respons (rata-rata) 2.30s
#452	Step 3.5 Flash none	Stepfun	0.5	0.2	$0.020	1/1	9.30s
Total Tes 1 Tes Salah 0 Total Biaya $0.020 Waktu respons (rata-rata) 9.30s
#458	Solar Decide default	Upstage	0.5	0.1	$0.009	1/1	11.7s
Total Tes 1 Tes Salah 0 Total Biaya $0.009 Waktu respons (rata-rata) 11.7s
#203	Minimax M3.1 Flash max	Minimax	0.5	0.7	$0.000	0/2	1.73s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.73s
#252	Minimax M3.1 Flash xhigh	Minimax	0.5	0.6	$0.000	0/2	1.72s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.72s
#357	Apodex 1.1 Mini default	Apodex	0.5	0.5	$0.000	0/2	1.06s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.06s
#406	Mercury 2.5 none	Inception	0.5	0.4	$0.026	0/2	493ms
Total Tes 2 Tes Salah 2 Total Biaya $0.026 Waktu respons (rata-rata) 493ms
#265	Minimax M3.1 Flash medium	Minimax	0.5	0.6	$0.000	0/2	1.72s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.72s
#347	Ling 3.0 Flash none	Inclusionai	0.5	0.5	$0.004	0/2	836ms
Total Tes 2 Tes Salah 2 Total Biaya $0.004 Waktu respons (rata-rata) 836ms
#361	Dots 3 Note Preview default	Dots Studio	0.5	0.5	$0.000	0/2	1.06s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.06s
#440	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	0.5	0.3	$0.000	0/2	541ms
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 541ms
#367	Laguna S 2.1 high	Poolside	0.5	0.5	$0.145	0/2	453ms
Total Tes 2 Tes Salah 2 Total Biaya $0.145 Waktu respons (rata-rata) 453ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)