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)
#115 Qwen3.5-27B none Qwen 2 5.7 7/21 1.68s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 2 5.7 7/21 4.39s
#113 DeepSeek V4 Pro none DeepSeek 2 5.7 7/21 12.4s
#111 Owl Alpha medium Openrouter 2 5.7 8/21 11.9s
#109 GLM 5V Turbo none Z.ai 2 5.8 8/21 2.99s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#105 Nemotron 3 Super medium NVIDIA 3 5.8 8/21 32.0s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 6.0 8/21 2.27s
#103 DeepSeek V4 Pro high DeepSeek 1 6.0 8/21 65.2s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#100 Grok Build 0.1 none X AI 2 6.0 7/19 28.7s
#99 gpt-oss-120b medium OpenAI 3 6.1 9/21 22.3s
#96 Ring-2.6-1T none Inclusionai 2 6.2 9/21 55.1s
#94 GPT-5 Nano medium OpenAI 2 6.3 9/21 42.5s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)