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: 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)
#70 GPT-5.4 Nano medium OpenAI 2 7.0 11/21 12.0s
#113 DeepSeek V4 Pro none DeepSeek 2 5.7 7/21 12.4s
#156 Hy3 preview none Tencent 4 4.4 4/21 12.9s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#92 Laguna M.1 medium Poolside 1 6.4 9/19 14.7s
#28 Gemini 2.5 Flash medium Google 1 7.8 14/21 15.5s
#15 GPT-5.3-Codex medium OpenAI 2 8.4 15/21 16.2s
#33 Hy3 preview medium Tencent 1 7.7 14/21 16.3s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 1 4.6 4/19 17.1s
#46 Qwen3.6 35B A3B medium Qwen 1 7.4 13/21 18.1s
#39 Qwen3.6 Flash medium Qwen 1 7.5 12/21 19.2s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#22 Step 3.7 Flash medium Stepfun 1 8.0 14/21 20.4s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)