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)
#41	DeepSeek V4.1 Flash 1017 low	DeepSeek	1.0	0.9	$0.355	2/2	1.25s
Total Tes 2 Tes Salah 0 Total Biaya $0.355 Waktu respons (rata-rata) 1.25s
#43	GPT-5.3-Codex medium	OpenAI	1.0	0.9	$1.318	2/2	3.04s
Total Tes 2 Tes Salah 0 Total Biaya $1.318 Waktu respons (rata-rata) 3.04s
#44	Claude Haiku 5.5 xhigh	Anthropic	1.0	0.9	$0.140	2/2	3.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 3.34s
#47	Pareto default	Unbiased	1.0	0.9	$1.520	2/2	4.95s
Total Tes 2 Tes Salah 0 Total Biaya $1.520 Waktu respons (rata-rata) 4.95s
#50	Muse Spark Open xhigh	Meta	1.0	0.9	$2.081	2/2	23.5s
Total Tes 2 Tes Salah 0 Total Biaya $2.081 Waktu respons (rata-rata) 23.5s
#52	Qwen3.8 Max (0902) medium	Qwen	1.0	0.9	$1.096	2/2	4.24s
Total Tes 2 Tes Salah 0 Total Biaya $1.096 Waktu respons (rata-rata) 4.24s
#55	Gemini 4 Argon medium	Google	1.0	0.9	$0.674	2/2	2.71s
Total Tes 2 Tes Salah 0 Total Biaya $0.674 Waktu respons (rata-rata) 2.71s
#56	Claude Opus 5 low	Anthropic	1.0	0.9	$2.350	2/2	4.13s
Total Tes 2 Tes Salah 0 Total Biaya $2.350 Waktu respons (rata-rata) 4.13s
#63	Claude Fable 5 medium	Anthropic	1.0	0.9	$5.089	2/2	5.90s
Total Tes 2 Tes Salah 0 Total Biaya $5.089 Waktu respons (rata-rata) 5.90s
#65	Kimi K3.1 Pro low	Moonshot AI	1.0	0.9	$1.836	2/2	5.84s
Total Tes 2 Tes Salah 0 Total Biaya $1.836 Waktu respons (rata-rata) 5.84s
#66	Qwen3.8 MAX low	Qwen	1.0	0.9	$1.089	2/2	4.01s
Total Tes 2 Tes Salah 0 Total Biaya $1.089 Waktu respons (rata-rata) 4.01s
#67	GPT-5.4 medium	OpenAI	1.0	0.9	$2.213	2/2	3.11s
Total Tes 2 Tes Salah 0 Total Biaya $2.213 Waktu respons (rata-rata) 3.11s
#69	DeepSeek V4.1 Flash high	DeepSeek	1.0	0.9	$0.617	2/2	7.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.617 Waktu respons (rata-rata) 7.06s
#70	DeepSeek V4.1 Flash medium	DeepSeek	1.0	0.9	$0.591	2/2	9.69s
Total Tes 2 Tes Salah 0 Total Biaya $0.591 Waktu respons (rata-rata) 9.69s
#71	Kimi K3.1 Pro max	Moonshot AI	1.0	0.9	$3.578	2/2	9.06s
Total Tes 2 Tes Salah 0 Total Biaya $3.578 Waktu respons (rata-rata) 9.06s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)