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: Tes benar ↓.

Model yang ditampilkan

15

Total kegagalan

215

Model yang paling terdampak

Gemini 3.5 Flash 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#60 Kimi K2.6 medium Moonshot AI 2 7.2 12/21 71.7s
#63 GPT-5.3 Chat none OpenAI 2 7.2 12/21 6.34s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#65 Grok 4.20 medium X AI 2 7.1 12/21 27.7s
#68 Claude Opus 4.8 none Anthropic 1 7.0 12/21 3.47s
#69 Claude Opus 4.6 medium Anthropic 1 7.0 12/21 25.9s
#53 Gemini 3.1 Flash Lite high Google 3 7.3 10/18 62.0s
#62 Step 3.5 Flash medium Stepfun 3 7.2 11/20 72.5s
#59 GLM 5V Turbo medium Z.ai 1 7.2 11/21 23.1s
#67 MiniMax M3 medium Minimax 2 7.1 11/21 68.2s
#70 GPT-5.4 Nano medium OpenAI 2 7.0 11/21 12.0s
#72 DeepSeek V3.2 medium DeepSeek 1 7.0 11/21 68.7s
#73 Seed-2.0-Mini medium Bytedance Seed 1 6.9 11/21 80.2s
#75 Ring-2.6-1T medium Inclusionai 2 6.9 11/21 61.3s
#77 Claude Sonnet 4.6 none Anthropic 1 6.8 11/21 5.04s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)