AI BENCHY
Advertise here

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: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

15

Total kegagalan

215

Model yang paling terdampak

Mistral Small 4 1

Kategori

Dalam kategori Pemecahan teka-teki78 Dalam kategori Kecerdasan umum74 Dalam kategori Trik anti-AI30 Dalam kategori Pemrograman14 Dalam kategori Kepatuhan instruksi11 Dalam kategori Pemanggilan alat6 Dalam kategori Gabungan1 Dalam kategori Spesifik domain1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#88 Qwen3.7 Plus none Qwen 1 6.4 10/21 2.85s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#151 Trinity Large Preview none Arcee AI 3 4.6 4/21 2.98s
#109 GLM 5V Turbo none Z.ai 2 5.8 8/21 2.99s
#44 Gemini 3.1 Flash Lite medium Google 1 7.5 13/21 3.23s
#117 Qwen3.5-35B-A3B none Qwen 2 5.6 7/21 3.37s
#131 Qwen3.5-122B-A10B none Qwen 2 5.3 6/21 3.41s
#68 Claude Opus 4.8 none Anthropic 1 7.0 12/21 3.47s
#118 Qwen3.6 27B none Qwen 2 5.6 7/21 3.72s
#153 Qwen3.6 35B A3B none Qwen 2 4.6 4/21 3.73s
#40 Gemini 3.1 Flash Lite Preview medium Google 1 7.5 13/21 3.96s
#85 Gemma 4 31B none Google 1 6.5 10/21 4.05s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 2 5.7 7/21 4.39s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s
#7 Gemini 3.5 Flash medium Google 1 9.0 18/21 4.94s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)