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: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

215

Model yang paling terdampak

Mistral Small 4 1

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)
#53	Gemini 3.1 Flash Lite high	Google	3	7.3	10/18	62.0s
#49	Qwen3.5-Flash medium	Qwen	1	7.4	12/21	63.3s
#103	DeepSeek V4 Pro high	DeepSeek	1	6.0	8/21	65.2s
#129	MiniMax M2.5 medium	Minimax	3	5.3	5/21	65.4s
#12	Gemini 3.1 Flash Lite Preview high	Google	1	8.6	13/16	68.1s
#67	MiniMax M3 medium	Minimax	2	7.1	11/21	68.2s
#30	Qwen3.5-27B medium	Qwen	2	7.8	13/21	68.4s
#72	DeepSeek V3.2 medium	DeepSeek	1	7.0	11/21	68.7s
#60	Kimi K2.6 medium	Moonshot AI	2	7.2	12/21	71.7s
#62	Step 3.5 Flash medium	Stepfun	3	7.2	11/20	72.5s
#73	Seed-2.0-Mini medium	Bytedance Seed	1	6.9	11/21	80.2s
#161	Qwen3.5-9B medium	Qwen	1	4.2	3/21	82.2s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s

Kegagalan Tidak mengikuti instruksi

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)