Peringkat kegagalan Tidak mengikuti instruksi

Kegagalan AI BENCHY

Lihat model AI mana yang paling sering mengalami Tidak mengikuti instruksi, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

215

Model yang paling terdampak

Mistral Small 4 1

Kategori

Dalam kategori Pemecahan teka-teki78 Dalam kategori Kecerdasan umum74 Dalam kategori Trik anti-AI30 Dalam kategori Pemrograman14 Dalam kategori Kepatuhan instruksi11 Dalam kategori Pemanggilan alat6 Dalam kategori Gabungan1 Dalam kategori Spesifik domain1

Peringkat	Model	Perusahaan	Jumlah Tidak mengikuti instruksi	Skor	Tes benar	Waktu respons (rata-rata)
#32	Gemini 3.5 Flash minimal	Google	1	7.7	14/21	1.57s
#128	Qwen3.6 Flash none	Qwen	1	5.4	7/21	1.60s
#157	Grok 4.1 Fast none	X AI	3	4.4	3/19	1.62s
#115	Qwen3.5-27B none	Qwen	2	5.7	7/21	1.68s
#147	GPT-4o-mini none	OpenAI	1	4.8	5/21	1.77s
#123	MiMo-V2.5-Pro none	Xiaomi	4	5.5	6/21	1.78s
#154	Qwen3.5-9B none	Qwen	2	4.6	4/21	1.89s
#143	MiMo-V2.5 none	Xiaomi	1	4.9	5/21	2.20s
#81	Mercury 2 medium	Inception	3	6.6	10/21	2.24s
#104	Nemotron 3 Ultra 550b A55b none	NVIDIA	1	6.0	8/21	2.27s
#120	Mimo V2 PRO none	Xiaomi	2	5.6	7/21	2.27s
#101	Mimo V2 Omni none	Xiaomi	1	6.0	8/21	2.44s
#152	MiMo-V2-Flash none	Xiaomi	2	4.6	4/21	2.76s
#50	Gemini 3.1 Flash Lite Preview low	Google	1	7.4	13/21	2.77s
#134	GLM 5 Turbo none	Z.ai	2	5.2	6/21	2.82s

←

1 2 3 8

→

Kegagalan Tidak mengikuti instruksi

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)