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: Skor ↑.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

LFM2-24B-A2B 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#83 Mistral Small 4 none Mistral 2 5.2 5/18 665ms
#82 Grok 4.20 none X AI 2 5.2 5/18 1.11s
#81 Elephant medium Openrouter 3 5.2 5/18 1.27s
#80 MiniMax M2.7 medium Minimax 6 5.3 4/18 31.1s
#79 Grok 4.20 Beta none X AI 3 5.3 4/18 1.19s
#78 Trinity Large Preview none Arcee AI 2 5.3 5/18 5.07s
#77 GLM 5 Turbo none Z.ai 2 5.5 6/18 2.94s
#74 GLM 4.7 Flash none Z.ai 2 5.6 5/18 3.35s
#75 GLM 5.1 none Z.ai 2 5.6 5/18 4.33s
#73 Mistral Small 4 medium Mistral 3 5.7 5/18 5.64s
#72 Hunter Alpha none OpenRouter 2 5.7 6/18 4.58s
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#70 Qwen3.5-122B-A10B none Qwen 1 5.7 6/18 3.69s
#69 Kimi K2.6 none Moonshot AI 3 5.8 7/18 2.05s
#68 gpt-oss-120b medium OpenAI 4 5.8 7/18 16.1s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)