AI BENCHY
Your ad 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: Tes benar ↑.

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
#96 GPT-5.4 Nano none OpenAI 3 4.5 2/18 1.40s
#92 Qwen3 Coder Next medium Qwen 5 4.7 3/18 10.8s
#94 MiMo-V2-Flash none Xiaomi 1 4.5 3/18 2.79s
#95 Grok 4.1 Fast none X AI 2 4.5 3/18 1.76s
#97 Qwen3.5-9B medium Qwen 2 4.4 3/18 73.6s
#79 Grok 4.20 Beta none X AI 3 5.3 4/18 1.19s
#80 MiniMax M2.7 medium Minimax 6 5.3 4/18 31.1s
#84 gpt-oss-120b none OpenAI 5 5.2 4/18 12.0s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#88 Nemotron 3 Super none NVIDIA 4 5.1 4/18 8.54s
#89 GPT-4o-mini none OpenAI 1 4.9 4/18 2.00s
#90 Qwen3.5-9B none Qwen 3 4.8 4/18 1.47s
#91 Mercury 2 none Inception 1 4.8 4/18 613ms
#93 GLM 4.7 Flash medium Z.ai 2 4.6 4/18 32.3s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)