AI BENCHY
Advertise here

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

215

Model yang paling terdampak

Granite 4.1 8B 4
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#148 GPT-5.4 Nano none OpenAI 2 4.7 4/21 1.48s
#147 GPT-4o-mini none OpenAI 1 4.8 5/21 1.77s
#146 Laguna Xs.2 none Poolside 1 4.8 5/19 806ms
#144 GPT-5.4 Mini none OpenAI 3 4.9 5/21 1.13s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#142 Mistral Small 4 none Mistral 1 4.9 5/21 630ms
#141 Nemotron 3 Super none NVIDIA 2 4.9 5/21 5.30s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#139 DeepSeek V4 Flash none DeepSeek 1 5.0 5/21 26.8s
#138 Ling-2.6-flash none Inclusionai 2 5.0 6/21 9.34s
#137 Elephant Alpha none Openrouter 3 5.1 5/21 1.22s
#136 Elephant Alpha medium Openrouter 2 5.1 6/21 1.27s
#134 GLM 5 Turbo none Z.ai 2 5.2 6/21 2.82s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#132 Mistral Small 4 medium Mistral 2 5.3 5/21 9.40s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)