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

Kimi K2.5 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#96 Ring-2.6-1T none Inclusionai 2 6.2 9/21 55.1s
#38 Grok 4.3 medium X AI 2 7.6 13/21 47.5s
#19 Seed-2.0-Lite medium Bytedance Seed 2 8.2 14/21 47.1s
#31 DeepSeek V4 Flash high DeepSeek 2 7.7 13/21 45.8s
#94 GPT-5 Nano medium OpenAI 2 6.3 9/21 42.5s
#80 Mimo V2 Omni medium Xiaomi 2 6.7 10/21 41.2s
#119 Cobuddy medium Baidu 3 5.6 7/21 39.9s
#83 Step 3.5 Flash none Stepfun 1 6.6 6/12 39.0s
#130 MiniMax M2.7 medium Minimax 5 5.3 5/21 38.2s
#158 GLM 4.7 Flash medium Z.ai 2 4.4 4/21 35.1s
#17 GLM 5 medium Z.ai 1 8.3 15/21 33.5s
#105 Nemotron 3 Super medium NVIDIA 3 5.8 8/21 32.0s
#26 Qwen3.6 Plus medium Qwen 1 7.9 14/21 30.7s
#100 Grok Build 0.1 none X AI 2 6.0 7/19 28.7s
#65 Grok 4.20 medium X AI 2 7.1 12/21 27.7s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)