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: Skor ↓.

Model yang ditampilkan

15

Total kegagalan

215

Model yang paling terdampak

Gemini 3.5 Flash 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)
#33 Hy3 preview medium Tencent 1 7.7 14/21 16.3s
#38 Grok 4.3 medium X AI 2 7.6 13/21 47.5s
#39 Qwen3.6 Flash medium Qwen 1 7.5 12/21 19.2s
#40 Gemini 3.1 Flash Lite Preview medium Google 1 7.5 13/21 3.96s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#43 MiMo-V2.5-Pro medium Xiaomi 2 7.5 12/21 26.1s
#44 Gemini 3.1 Flash Lite medium Google 1 7.5 13/21 3.23s
#45 GPT-5.4 Mini medium OpenAI 3 7.5 12/21 22.3s
#46 Qwen3.6 35B A3B medium Qwen 1 7.4 13/21 18.1s
#49 Qwen3.5-Flash medium Qwen 1 7.4 12/21 63.3s
#50 Gemini 3.1 Flash Lite Preview low Google 1 7.4 13/21 2.77s
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#53 Gemini 3.1 Flash Lite high Google 3 7.3 10/18 62.0s
#54 GPT-5 Mini medium OpenAI 3 7.3 12/21 23.6s
#56 MiMo-V2.5 medium Xiaomi 1 7.3 12/21 27.1s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)