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

180

Model yang paling terdampak

LFM2-24B-A2B 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#48 Gemma 4 31B none Google 1 6.9 10/18 4.02s
#47 Grok 4.20 medium X AI 4 7.0 9/18 10.3s
#46 Kimi K2.5 medium Moonshot AI 2 7.0 9/18 72.4s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#44 GPT-5.4 Mini medium OpenAI 5 7.3 9/18 15.2s
#42 Claude Sonnet 4.6 none Anthropic 1 7.4 11/18 4.98s
#41 MiMo-V2-Flash medium Xiaomi 1 7.5 11/18 23.4s
#40 GPT-5.2 medium OpenAI 3 7.5 11/18 14.0s
#39 Seed-2.0-Mini medium Bytedance Seed 1 7.5 11/18 69.7s
#38 GPT-5.4 Nano medium OpenAI 3 7.6 11/18 11.2s
#36 GPT-5.3 Chat none OpenAI 2 7.7 11/18 5.88s
#35 MiMo-V2-Omni medium Xiaomi 2 7.7 11/18 16.8s
#34 Kimi K2.6 medium Moonshot AI 3 7.7 11/18 45.2s
#32 Qwen3.5-Flash medium Qwen 1 7.8 11/18 66.7s
#31 GLM 5V Turbo medium Z.ai 2 7.8 11/18 15.0s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)