Peringkat kegagalan Tidak mengikuti instruksi

Kegagalan AI BENCHY

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

Total kegagalan

215

Model yang paling terdampak

Granite 4.1 8B 4

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)
#92	Laguna M.1 medium	Poolside	1	6.4	9/19	14.7s
#90	Gemini 3.1 Flash Lite none	Google	1	6.4	9/21	1.06s
#88	Qwen3.7 Plus none	Qwen	1	6.4	10/21	2.85s
#87	Gemini 3.1 Flash Lite minimal	Google	3	6.4	10/21	1.33s
#86	Grok 4.1 Fast medium	X AI	4	6.5	9/19	23.8s
#85	Gemma 4 31B none	Google	1	6.5	10/21	4.05s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#83	Step 3.5 Flash none	Stepfun	1	6.6	6/12	39.0s
#81	Mercury 2 medium	Inception	3	6.6	10/21	2.24s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#78	Qwen3.6 27B medium	Qwen	1	6.8	10/21	59.7s
#77	Claude Sonnet 4.6 none	Anthropic	1	6.8	11/21	5.04s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#75	Ring-2.6-1T medium	Inclusionai	2	6.9	11/21	61.3s

←

1 4 5 6 8

→

Kegagalan Tidak mengikuti instruksi

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)