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: Jumlah kegagalan ↑.

Model yang ditampilkan

15

Total kegagalan

215

Model yang paling terdampak

Gemini 3.5 Flash 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#90 Gemini 3.1 Flash Lite none Google 1 6.4 9/21 1.06s
#92 Laguna M.1 medium Poolside 1 6.4 9/19 14.7s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#103 DeepSeek V4 Pro high DeepSeek 1 6.0 8/21 65.2s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 6.0 8/21 2.27s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#125 GPT-5.4 none OpenAI 1 5.5 7/21 1.42s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#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
#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
#146 Laguna Xs.2 none Poolside 1 4.8 5/19 806ms

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)