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)
#26 Qwen3.6 Plus medium Qwen 1 7.9 14/21 30.7s
#105 Nemotron 3 Super medium NVIDIA 3 5.8 8/21 32.0s
#17 GLM 5 medium Z.ai 1 8.3 15/21 33.5s
#158 GLM 4.7 Flash medium Z.ai 2 4.4 4/21 35.1s
#130 MiniMax M2.7 medium Minimax 5 5.3 5/21 38.2s
#83 Step 3.5 Flash none Stepfun 1 6.6 6/12 39.0s
#119 Cobuddy medium Baidu 3 5.6 7/21 39.9s
#80 Mimo V2 Omni medium Xiaomi 2 6.7 10/21 41.2s
#94 GPT-5 Nano medium OpenAI 2 6.3 9/21 42.5s
#31 DeepSeek V4 Flash high DeepSeek 2 7.7 13/21 45.8s
#19 Seed-2.0-Lite medium Bytedance Seed 2 8.2 14/21 47.1s
#38 Grok 4.3 medium X AI 2 7.6 13/21 47.5s
#96 Ring-2.6-1T none Inclusionai 2 6.2 9/21 55.1s
#78 Qwen3.6 27B medium Qwen 1 6.8 10/21 59.7s
#75 Ring-2.6-1T medium Inclusionai 2 6.9 11/21 61.3s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)