AI BENCHY
Your ad 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

180

Model yang paling terdampak

Mercury 2 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#75 GLM 5.1 none Z.ai 2 5.6 5/18 4.33s
#72 Hunter Alpha none OpenRouter 2 5.7 6/18 4.58s
#42 Claude Sonnet 4.6 none Anthropic 1 7.4 11/18 4.98s
#78 Trinity Large Preview none Arcee AI 2 5.3 5/18 5.07s
#73 Mistral Small 4 medium Mistral 3 5.7 5/18 5.64s
#36 GPT-5.3 Chat none OpenAI 2 7.7 11/18 5.88s
#60 Gemma 4 26B A4B none Google 3 6.2 7/18 6.59s
#28 GPT-5.2 Chat none OpenAI 1 7.9 12/18 6.84s
#88 Nemotron 3 Super none NVIDIA 4 5.1 4/18 8.54s
#56 Grok 4.20 Multi Agent Beta medium X AI 4 6.4 7/18 9.80s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#47 Grok 4.20 medium X AI 4 7.0 9/18 10.3s
#50 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#92 Qwen3 Coder Next medium Qwen 5 4.7 3/18 10.8s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)