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: Skor ↑.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

LFM2-24B-A2B 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#98 LFM2-24B-A2B none Liquid 2 4.1 1/16 811ms
#97 Qwen3.5-9B medium Qwen 2 4.4 3/18 73.6s
#96 GPT-5.4 Nano none OpenAI 3 4.5 2/18 1.40s
#95 Grok 4.1 Fast none X AI 2 4.5 3/18 1.76s
#94 MiMo-V2-Flash none Xiaomi 1 4.5 3/18 2.79s
#93 GLM 4.7 Flash medium Z.ai 2 4.6 4/18 32.3s
#92 Qwen3 Coder Next medium Qwen 5 4.7 3/18 10.8s
#91 Mercury 2 none Inception 1 4.8 4/18 613ms
#90 Qwen3.5-9B none Qwen 3 4.8 4/18 1.47s
#89 GPT-4o-mini none OpenAI 1 4.9 4/18 2.00s
#88 Nemotron 3 Super none NVIDIA 4 5.1 4/18 8.54s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#86 GPT-5.4 Mini none OpenAI 3 5.1 5/18 1.17s
#85 Elephant none Openrouter 3 5.2 5/18 1.23s
#84 gpt-oss-120b none OpenAI 5 5.2 4/18 12.0s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)