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

8.6

Model terbaik

Gemini 3 Flash Preview 10.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah61 Dengan alasan kegagalan Tidak mengikuti instruksi19 Dengan alasan kegagalan Format tambahan3 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kedaluwarsa1 Dengan alasan kegagalan Kesalahan API1

216/216

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#23	Grok 4.5 low	X AI	9.8	8.4	$0.935	2/2	2.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.935 Waktu respons (rata-rata) 2.80s
#25	Grok 4.5 medium	X AI	9.8	8.3	$1.928	2/2	6.06s
Total Tes 2 Tes Salah 0 Total Biaya $1.928 Waktu respons (rata-rata) 6.06s
#28	Gemini 2.5 Flash medium	Google	9.8	8.2	$0.643	2/2	2.62s
Total Tes 2 Tes Salah 0 Total Biaya $0.643 Waktu respons (rata-rata) 2.62s
#33	Step 3.7 Flash medium	Stepfun	9.8	8.0	$0.515	2/2	1.83s
Total Tes 2 Tes Salah 0 Total Biaya $0.515 Waktu respons (rata-rata) 1.83s
#34	GPT-5.2 Chat none	OpenAI	9.8	8.0	$0.604	2/2	5.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.604 Waktu respons (rata-rata) 5.51s
#36	Inkling medium	Thinkingmachines	9.8	8.0	$0.391	2/2	6.17s
Total Tes 2 Tes Salah 0 Total Biaya $0.391 Waktu respons (rata-rata) 6.17s
#55	Nemotron 3 Ultra medium	NVIDIA	9.8	7.5	$0.774	2/2	6.35s
Total Tes 2 Tes Salah 0 Total Biaya $0.774 Waktu respons (rata-rata) 6.35s
#58	GPT-5.3 Chat none	OpenAI	9.8	7.5	$0.571	2/2	3.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.571 Waktu respons (rata-rata) 3.51s
#60	GPT-5.4 Mini medium	OpenAI	9.8	7.5	$0.756	2/2	2.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.756 Waktu respons (rata-rata) 2.13s
#71	Step 3.7 Flash low	Stepfun	9.8	7.3	$0.454	2/2	1.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.454 Waktu respons (rata-rata) 1.58s
#79	Grok 4.20 medium	X AI	9.8	7.1	$0.777	2/2	4.26s
Total Tes 2 Tes Salah 0 Total Biaya $0.777 Waktu respons (rata-rata) 4.26s
#90	Step 3.7 Flash high	Stepfun	9.8	6.9	$1.207	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $1.207 Waktu respons (rata-rata) 1.52s
#95	Gemini 3.5 Flash-Lite low	Google	9.8	6.7	$0.145	2/2	869ms
Total Tes 2 Tes Salah 0 Total Biaya $0.145 Waktu respons (rata-rata) 869ms
#101	GLM 5.2 none	Z.ai	9.8	6.6	$0.128	2/2	3.84s
Total Tes 2 Tes Salah 0 Total Biaya $0.128 Waktu respons (rata-rata) 3.84s
#103	Qwen3.6 Max Preview none	Qwen	9.8	6.6	$0.231	2/2	1.40s
Total Tes 2 Tes Salah 0 Total Biaya $0.231 Waktu respons (rata-rata) 1.40s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)