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

180

Model yang paling terdampak

Qwen3.5-9B 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#9 Qwen3.6 Plus Preview medium Qwen 1 8.5 13/17 13.9s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#15 Gemini 2.5 Flash medium Google 1 8.2 13/18 12.1s
#84 gpt-oss-120b none OpenAI 5 5.2 4/18 12.0s
#38 GPT-5.4 Nano medium OpenAI 3 7.6 11/18 11.2s
#92 Qwen3 Coder Next medium Qwen 5 4.7 3/18 10.8s
#50 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#47 Grok 4.20 medium X AI 4 7.0 9/18 10.3s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#56 Grok 4.20 Multi Agent Beta medium X AI 4 6.4 7/18 9.80s
#88 Nemotron 3 Super none NVIDIA 4 5.1 4/18 8.54s
#28 GPT-5.2 Chat none OpenAI 1 7.9 12/18 6.84s
#60 Gemma 4 26B A4B none Google 3 6.2 7/18 6.59s
#36 GPT-5.3 Chat none OpenAI 2 7.7 11/18 5.88s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)