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)
#320	Step 5 Preview low	Stepfun	1.0	0.6	$4.110	2/2	6.78s
Total Tes 2 Tes Salah 0 Total Biaya $4.110 Waktu respons (rata-rata) 6.78s
#321	GLM 5 none	Z.ai	1.0	0.6	$0.140	2/2	1.48s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 1.48s
#323	Nemotron 3.5 Super VL none	NVIDIA	1.0	0.6	$0.040	2/2	4.08s
Total Tes 2 Tes Salah 0 Total Biaya $0.040 Waktu respons (rata-rata) 4.08s
#327	Gemini 2.5 Flash none	Google	1.0	0.5	$0.017	2/2	590ms
Total Tes 2 Tes Salah 0 Total Biaya $0.017 Waktu respons (rata-rata) 590ms
#332	Claude Opus 4.7 none	Anthropic	1.0	0.5	$0.505	2/2	1.46s
Total Tes 2 Tes Salah 0 Total Biaya $0.505 Waktu respons (rata-rata) 1.46s
#339	Hy3 preview medium	Tencent	1.0	0.5	$0.049	2/2	6.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.049 Waktu respons (rata-rata) 6.16s
#351	MiMo-V2-Flash medium	Xiaomi	1.0	0.5	$0.043	2/2	4.28s
Total Tes 2 Tes Salah 0 Total Biaya $0.043 Waktu respons (rata-rata) 4.28s
#355	KAT Coder AIR V2.5 medium	Kwaipilot	1.0	0.5	$0.048	2/2	1.50s
Total Tes 2 Tes Salah 0 Total Biaya $0.048 Waktu respons (rata-rata) 1.50s
#374	Hy3 preview high	Tencent	1.0	0.5	$0.135	2/2	34.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.135 Waktu respons (rata-rata) 34.4s
#382	DeepSeek V3.2 none	DeepSeek	1.0	0.5	$0.119	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.119 Waktu respons (rata-rata) 1.52s
#392	Hy3 preview low	Tencent	1.0	0.5	$0.042	2/2	16.0s
Total Tes 2 Tes Salah 0 Total Biaya $0.042 Waktu respons (rata-rata) 16.0s
#412	Laguna M.1 medium	Poolside	1.0	0.4	$0.033	2/2	4.30s
Total Tes 2 Tes Salah 0 Total Biaya $0.033 Waktu respons (rata-rata) 4.30s
#427	Laguna Xs.2 medium	Poolside	1.0	0.3	$0.015	2/2	1.68s
Total Tes 2 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 1.68s
#25	GPT-5.5 low	OpenAI	1.0	0.9	$1.822	2/2	3.74s
Total Tes 2 Tes Salah 0 Total Biaya $1.822 Waktu respons (rata-rata) 3.74s
#51	Gemini 3.5 Flash low	Google	1.0	0.9	$0.752	2/2	1.86s
Total Tes 2 Tes Salah 0 Total Biaya $0.752 Waktu respons (rata-rata) 1.86s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)