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)
#142 Mistral Small 4 none Mistral 1 4.9 5/21 630ms
#155 Mercury 2 none Inception 1 4.5 4/21 653ms
#163 Granite 4.1 8B none IBM Granite 4 4.0 2/21 728ms
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 2 4.1 2/19 728ms
#160 LFM2-24B-A2B none Liquid 1 4.2 2/16 782ms
#146 Laguna Xs.2 none Poolside 1 4.8 5/19 806ms
#90 Gemini 3.1 Flash Lite none Google 1 6.4 9/21 1.06s
#144 GPT-5.4 Mini none OpenAI 3 4.9 5/21 1.13s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#58 Gemini 3.1 Flash Lite Preview none Google 2 7.2 12/21 1.21s
#137 Elephant Alpha none Openrouter 3 5.1 5/21 1.22s
#136 Elephant Alpha medium Openrouter 2 5.1 6/21 1.27s
#87 Gemini 3.1 Flash Lite minimal Google 3 6.4 10/21 1.33s
#125 GPT-5.4 none OpenAI 1 5.5 7/21 1.42s
#148 GPT-5.4 Nano none OpenAI 2 4.7 4/21 1.48s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)