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: Skor ↑.

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)
#131 Qwen3.5-122B-A10B none Qwen 2 5.3 6/21 3.41s
#130 MiniMax M2.7 medium Minimax 5 5.3 5/21 38.2s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#126 gpt-oss-120b none OpenAI 2 5.4 6/19 21.6s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#125 GPT-5.4 none OpenAI 1 5.5 7/21 1.42s
#123 MiMo-V2.5-Pro none Xiaomi 4 5.5 6/21 1.78s
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#120 Mimo V2 PRO none Xiaomi 2 5.6 7/21 2.27s
#119 Cobuddy medium Baidu 3 5.6 7/21 39.9s
#118 Qwen3.6 27B none Qwen 2 5.6 7/21 3.72s
#117 Qwen3.5-35B-A3B none Qwen 2 5.6 7/21 3.37s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)