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

180

Model yang paling terdampak

Mercury 2 1

Kategori

Dalam kategori Pemecahan teka-teki75 Dalam kategori Kecerdasan umum58 Dalam kategori Kepatuhan instruksi22 Dalam kategori Trik anti-AI17 Dalam kategori Pemanggilan alat6 Dalam kategori Pemrograman2

Peringkat	Model	Perusahaan	Jumlah Tidak mengikuti instruksi	Skor	Tes benar	Waktu respons (rata-rata)
#55	MiMo-V2-Omni none	Xiaomi	2	6.5	8/18	1.99s
#89	GPT-4o-mini none	OpenAI	1	4.9	4/18	2.00s
#69	Kimi K2.6 none	Moonshot AI	3	5.8	7/18	2.05s
#54	Mercury 2 medium	Inception	4	6.5	8/18	2.21s
#65	MiMo-V2-Pro none	Xiaomi	2	6.0	7/18	2.39s
#94	MiMo-V2-Flash none	Xiaomi	1	4.5	3/18	2.79s
#77	GLM 5 Turbo none	Z.ai	2	5.5	6/18	2.94s
#58	GLM 5V Turbo none	Z.ai	2	6.2	8/18	3.10s
#22	Gemini 3.1 Flash Lite Preview low	Google	1	8.1	13/18	3.22s
#59	Qwen3.5-Flash none	Qwen	1	6.2	8/18	3.25s
#74	GLM 4.7 Flash none	Z.ai	2	5.6	5/18	3.35s
#70	Qwen3.5-122B-A10B none	Qwen	1	5.7	6/18	3.69s
#17	Gemini 3.1 Flash Lite Preview medium	Google	1	8.2	13/18	3.74s
#63	Qwen3.5-35B-A3B none	Qwen	2	6.1	7/18	3.82s
#48	Gemma 4 31B none	Google	1	6.9	10/18	4.02s

←

1 2 3 4 5 6

→

Kegagalan Tidak mengikuti instruksi

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)