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: Tes benar ↑.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

LFM2-24B-A2B 2

Kategori

Dalam kategori Pemecahan teka-teki75 Dalam kategori Kecerdasan umum58 Dalam kategori Kepatuhan instruksi22 Dalam kategori Trik anti-AI17 Dalam kategori Pemanggilan alat6 Dalam kategori Pemrograman2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#18 GLM 5 Turbo medium Z.ai 2 8.1 12/18 17.7s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#27 DeepSeek V3.2 medium DeepSeek 1 8.0 12/18 46.4s
#28 GPT-5.2 Chat none OpenAI 1 7.9 12/18 6.84s
#29 Gemini 3.1 Flash Lite Preview none Google 2 7.9 12/18 1.30s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#7 GPT-5.3-Codex medium OpenAI 2 8.6 13/18 15.4s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s
#13 GLM 5 medium Z.ai 1 8.4 13/18 23.3s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#15 Gemini 2.5 Flash medium Google 1 8.2 13/18 12.1s
#16 GPT-5.4 medium OpenAI 2 8.2 13/18 18.6s
#17 Gemini 3.1 Flash Lite Preview medium Google 1 8.2 13/18 3.74s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)