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
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#77 Claude Sonnet 4.6 none Anthropic 1 6.8 11/21 5.04s
#141 Nemotron 3 Super none NVIDIA 2 4.9 5/21 5.30s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#63 GPT-5.3 Chat none OpenAI 2 7.2 12/21 6.34s
#24 GPT-5.2 Chat none OpenAI 1 7.9 14/21 7.13s
#159 Ling-2.6-1T none Inclusionai 2 4.3 3/21 7.72s
#150 Qwen3 Coder Next medium Qwen 3 4.6 4/21 8.58s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#138 Ling-2.6-flash none Inclusionai 2 5.0 6/21 9.34s
#132 Mistral Small 4 medium Mistral 2 5.3 5/21 9.40s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#13 Grok 4.20 Beta medium X AI 1 8.5 14/18 9.75s
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#79 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#111 Owl Alpha medium Openrouter 2 5.7 8/21 11.9s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)