AI BENCHY
Advertise 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: Jumlah kegagalan ↑.

Model yang ditampilkan

13

Total kegagalan

215

Model yang paling terdampak

Gemini 3.5 Flash 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#137 Elephant Alpha none Openrouter 3 5.1 5/21 1.22s
#144 GPT-5.4 Mini none OpenAI 3 4.9 5/21 1.13s
#150 Qwen3 Coder Next medium Qwen 3 4.6 4/21 8.58s
#151 Trinity Large Preview none Arcee AI 3 4.6 4/21 2.98s
#157 Grok 4.1 Fast none X AI 3 4.4 3/19 1.62s
#86 Grok 4.1 Fast medium X AI 4 6.5 9/19 23.8s
#123 MiMo-V2.5-Pro none Xiaomi 4 5.5 6/21 1.78s
#156 Hy3 preview none Tencent 4 4.4 4/21 12.9s
#163 Granite 4.1 8B none IBM Granite 4 4.0 2/21 728ms
#130 MiniMax M2.7 medium Minimax 5 5.3 5/21 38.2s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)