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: Jumlah kegagalan ↑.

Model yang ditampilkan

15

Total kegagalan

215

Model yang paling terdampak

Gemini 3.5 Flash 1

Kategori

Dalam kategori Pemecahan teka-teki78 Dalam kategori Kecerdasan umum74 Dalam kategori Trik anti-AI30 Dalam kategori Pemrograman14 Dalam kategori Kepatuhan instruksi11 Dalam kategori Pemanggilan alat6 Dalam kategori Gabungan1 Dalam kategori Spesifik domain1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#65 Grok 4.20 medium X AI 2 7.1 12/21 27.7s
#67 MiniMax M3 medium Minimax 2 7.1 11/21 68.2s
#70 GPT-5.4 Nano medium OpenAI 2 7.0 11/21 12.0s
#75 Ring-2.6-1T medium Inclusionai 2 6.9 11/21 61.3s
#76 Kimi K2.5 medium Moonshot AI 2 6.8 10/21 98.4s
#79 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#80 Mimo V2 Omni medium Xiaomi 2 6.7 10/21 41.2s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#94 GPT-5 Nano medium OpenAI 2 6.3 9/21 42.5s
#96 Ring-2.6-1T none Inclusionai 2 6.2 9/21 55.1s
#100 Grok Build 0.1 none X AI 2 6.0 7/19 28.7s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#109 GLM 5V Turbo none Z.ai 2 5.8 8/21 2.99s
#111 Owl Alpha medium Openrouter 2 5.7 8/21 11.9s
#113 DeepSeek V4 Pro none DeepSeek 2 5.7 7/21 12.4s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)