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: Tes benar ↑.

Model yang ditampilkan

15

Total kegagalan

215

Model yang paling terdampak

Granite 4.1 8B 4
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#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
#159 Ling-2.6-1T none Inclusionai 2 4.3 3/21 7.72s
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#157 Grok 4.1 Fast none X AI 3 4.4 3/19 1.62s
#148 GPT-5.4 Nano none OpenAI 2 4.7 4/21 1.48s
#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
#152 MiMo-V2-Flash none Xiaomi 2 4.6 4/21 2.76s
#153 Qwen3.6 35B A3B none Qwen 2 4.6 4/21 3.73s
#154 Qwen3.5-9B none Qwen 2 4.6 4/21 1.89s
#155 Mercury 2 none Inception 1 4.5 4/21 653ms
#156 Hy3 preview none Tencent 4 4.4 4/21 12.9s
#158 GLM 4.7 Flash medium Z.ai 2 4.4 4/21 35.1s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)