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: Jumlah kegagalan ↑.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

Qwen3.6 Plus Preview 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#73 Mistral Small 4 medium Mistral 3 5.7 5/18 5.64s
#79 Grok 4.20 Beta none X AI 3 5.3 4/18 1.19s
#81 Elephant medium Openrouter 3 5.2 5/18 1.27s
#85 Elephant none Openrouter 3 5.2 5/18 1.23s
#86 GPT-5.4 Mini none OpenAI 3 5.1 5/18 1.17s
#90 Qwen3.5-9B none Qwen 3 4.8 4/18 1.47s
#96 GPT-5.4 Nano none OpenAI 3 4.5 2/18 1.40s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#47 Grok 4.20 medium X AI 4 7.0 9/18 10.3s
#51 Nemotron 3 Super medium NVIDIA 4 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 4 6.7 9/18 23.9s
#54 Mercury 2 medium Inception 4 6.5 8/18 2.21s
#56 Grok 4.20 Multi Agent Beta medium X AI 4 6.4 7/18 9.80s
#68 gpt-oss-120b medium OpenAI 4 5.8 7/18 16.1s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)