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: 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)
#56 MiMo-V2.5 medium Xiaomi 1 7.3 12/21 27.1s
#139 DeepSeek V4 Flash none DeepSeek 1 5.0 5/21 26.8s
#43 MiMo-V2.5-Pro medium Xiaomi 2 7.5 12/21 26.1s
#69 Claude Opus 4.6 medium Anthropic 1 7.0 12/21 25.9s
#86 Grok 4.1 Fast medium X AI 4 6.5 9/19 23.8s
#54 GPT-5 Mini medium OpenAI 3 7.3 12/21 23.6s
#59 GLM 5V Turbo medium Z.ai 1 7.2 11/21 23.1s
#23 GLM 5 Turbo medium Z.ai 1 8.0 14/21 23.0s
#21 GPT-5.4 medium OpenAI 2 8.0 14/21 22.3s
#45 GPT-5.4 Mini medium OpenAI 3 7.5 12/21 22.3s
#99 gpt-oss-120b medium OpenAI 3 6.1 9/21 22.3s
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#126 gpt-oss-120b none OpenAI 2 5.4 6/19 21.6s
#22 Step 3.7 Flash medium Stepfun 1 8.0 14/21 20.4s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)