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. Urutkan berdasarkan: Jumlah kegagalan ↑.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

Qwen3.6 Plus Preview 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#42 Claude Sonnet 4.6 none Anthropic 1 7.4 11/18 4.98s
#48 Gemma 4 31B none Google 1 6.9 10/18 4.02s
#59 Qwen3.5-Flash none Qwen 1 6.2 8/18 3.25s
#62 Gemini 2.5 Flash none Google 1 6.2 7/18 903ms
#66 GPT-5.4 none OpenAI 1 5.9 7/18 1.51s
#70 Qwen3.5-122B-A10B none Qwen 1 5.7 6/18 3.69s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#89 GPT-4o-mini none OpenAI 1 4.9 4/18 2.00s
#91 Mercury 2 none Inception 1 4.8 4/18 613ms
#94 MiMo-V2-Flash none Xiaomi 1 4.5 3/18 2.79s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#7 GPT-5.3-Codex medium OpenAI 2 8.6 13/18 15.4s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s
#16 GPT-5.4 medium OpenAI 2 8.2 13/18 18.6s
#18 GLM 5 Turbo medium Z.ai 2 8.1 12/18 17.7s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)