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

180

Model yang paling terdampak

MiniMax M2.7 6
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#80 MiniMax M2.7 medium Minimax 6 5.3 4/18 31.1s
#44 GPT-5.4 Mini medium OpenAI 5 7.3 9/18 15.2s
#84 gpt-oss-120b none OpenAI 5 5.2 4/18 12.0s
#92 Qwen3 Coder Next medium Qwen 5 4.7 3/18 10.8s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#47 Grok 4.20 medium X AI 4 7.0 9/18 10.3s
#51 Nemotron 3 Super medium NVIDIA 4 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 4 6.7 9/18 23.9s
#54 Mercury 2 medium Inception 4 6.5 8/18 2.21s
#56 Grok 4.20 Multi Agent Beta medium X AI 4 6.4 7/18 9.80s
#68 gpt-oss-120b medium OpenAI 4 5.8 7/18 16.1s
#88 Nemotron 3 Super none NVIDIA 4 5.1 4/18 8.54s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#34 Kimi K2.6 medium Moonshot AI 3 7.7 11/18 45.2s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)