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

215

Model yang paling terdampak

Granite 4.1 8B 4
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 1 4.6 4/19 17.1s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#130 MiniMax M2.7 medium Minimax 5 5.3 5/21 38.2s
#132 Mistral Small 4 medium Mistral 2 5.3 5/21 9.40s
#137 Elephant Alpha none Openrouter 3 5.1 5/21 1.22s
#139 DeepSeek V4 Flash none DeepSeek 1 5.0 5/21 26.8s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#141 Nemotron 3 Super none NVIDIA 2 4.9 5/21 5.30s
#142 Mistral Small 4 none Mistral 1 4.9 5/21 630ms
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#144 GPT-5.4 Mini none OpenAI 3 4.9 5/21 1.13s
#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
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#123 MiMo-V2.5-Pro none Xiaomi 4 5.5 6/21 1.78s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)