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: Tes benar ↑.

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)
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#73 Mistral Small 4 medium Mistral 3 5.7 5/18 5.64s
#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
#78 Trinity Large Preview none Arcee AI 2 5.3 5/18 5.07s
#81 Elephant medium Openrouter 3 5.2 5/18 1.27s
#82 Grok 4.20 none X AI 2 5.2 5/18 1.11s
#83 Mistral Small 4 none Mistral 2 5.2 5/18 665ms
#85 Elephant none Openrouter 3 5.2 5/18 1.23s
#86 GPT-5.4 Mini none OpenAI 3 5.1 5/18 1.17s
#67 Qwen3.5-27B none Qwen 2 5.9 6/18 1.74s
#70 Qwen3.5-122B-A10B none Qwen 1 5.7 6/18 3.69s
#72 Hunter Alpha none OpenRouter 2 5.7 6/18 4.58s
#77 GLM 5 Turbo none Z.ai 2 5.5 6/18 2.94s
#56 Grok 4.20 Multi Agent Beta medium X AI 4 6.4 7/18 9.80s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)