AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kegagalan AI BENCHY

Kegagalan Tidak mengikuti instruksi

Lihat model AI mana yang paling sering mengalami Tidak mengikuti instruksi, agar Anda bisa melihat risiko keandalan sebelum memilih.

Model yang ditampilkan

15

Total kegagalan

210

Model yang paling terdampak

MiniMax M2.7 5
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#125 MiniMax M2.7 medium Minimax 5 5.1 4/19 30.6s
#62 GPT-5.4 Mini medium OpenAI 4 7.2 10/19 16.0s
#69 GPT-5 Mini medium OpenAI 4 6.8 9/19 23.2s
#79 Grok 4.1 Fast medium X AI 4 6.5 9/19 24.0s
#101 gpt-oss-120b medium OpenAI 4 5.7 7/19 16.9s
#135 Hy3 preview none Tencent 4 4.6 4/19 13.0s
#144 Granite 4.1 8B none IBM Granite 4 4.1 2/19 743ms
#43 Step 3.5 Flash medium Stepfun 3 7.6 11/18 41.7s
#51 Gemini 3.1 Flash Lite high Google 3 7.5 11/18 62.0s
#60 GPT-5.2 medium OpenAI 3 7.2 11/19 15.2s
#70 Gemini 3.1 Flash Lite minimal Google 3 6.8 10/19 1.41s
#82 Mercury 2 medium Inception 3 6.3 8/19 2.23s
#87 Nemotron 3 Super medium NVIDIA 3 6.1 8/19 18.7s
#97 Cobuddy medium Baidu 3 5.8 7/19 36.5s
#98 Owl Alpha none Openrouter 3 5.8 7/19 6.83s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)