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)
#38 GPT-5.4 Nano medium OpenAI 3 7.6 11/18 11.2s
#84 gpt-oss-120b none OpenAI 5 5.2 4/18 12.0s
#15 Gemini 2.5 Flash medium Google 1 8.2 13/18 12.1s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#9 Qwen3.6 Plus Preview medium Qwen 1 8.5 13/17 13.9s
#40 GPT-5.2 medium OpenAI 3 7.5 11/18 14.0s
#31 GLM 5V Turbo medium Z.ai 2 7.8 11/18 15.0s
#44 GPT-5.4 Mini medium OpenAI 5 7.3 9/18 15.2s
#20 Qwen3.6 Plus medium Qwen 1 8.1 13/18 15.3s
#7 GPT-5.3-Codex medium OpenAI 2 8.6 13/18 15.4s
#68 gpt-oss-120b medium OpenAI 4 5.8 7/18 16.1s
#35 MiMo-V2-Omni medium Xiaomi 2 7.7 11/18 16.8s
#18 GLM 5 Turbo medium Z.ai 2 8.1 12/18 17.7s
#16 GPT-5.4 medium OpenAI 2 8.2 13/18 18.6s
#51 Nemotron 3 Super medium NVIDIA 4 6.7 9/18 19.1s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)