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: Tes benar ↑.

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)
#60	Kimi K2.6 medium	Moonshot AI	2	7.2	12/21	71.7s
#63	GPT-5.3 Chat none	OpenAI	2	7.2	12/21	6.34s
#64	MiMo-V2-Flash medium	Xiaomi	1	7.2	12/21	20.1s
#65	Grok 4.20 medium	X AI	2	7.1	12/21	27.7s
#68	Claude Opus 4.8 none	Anthropic	1	7.0	12/21	3.47s
#69	Claude Opus 4.6 medium	Anthropic	1	7.0	12/21	25.9s
#30	Qwen3.5-27B medium	Qwen	2	7.8	13/21	68.4s
#31	DeepSeek V4 Flash high	DeepSeek	2	7.7	13/21	45.8s
#38	Grok 4.3 medium	X AI	2	7.6	13/21	47.5s
#40	Gemini 3.1 Flash Lite Preview medium	Google	1	7.5	13/21	3.96s
#42	GPT-5.2 medium	OpenAI	3	7.5	13/21	16.9s
#44	Gemini 3.1 Flash Lite medium	Google	1	7.5	13/21	3.23s
#46	Qwen3.6 35B A3B medium	Qwen	1	7.4	13/21	18.1s
#50	Gemini 3.1 Flash Lite Preview low	Google	1	7.4	13/21	2.77s
#19	Seed-2.0-Lite medium	Bytedance Seed	2	8.2	14/21	47.1s

←

1 6 7 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)