AI BENCHY
Your ad 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: Tes benar ↓.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

Qwen3.6 Plus Preview 1

Kategori

Dalam kategori Pemecahan teka-teki75 Dalam kategori Kecerdasan umum58 Dalam kategori Kepatuhan instruksi22 Dalam kategori Trik anti-AI17 Dalam kategori Pemanggilan alat6 Dalam kategori Pemrograman2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#48 Gemma 4 31B none Google 1 6.9 10/18 4.02s
#44 GPT-5.4 Mini medium OpenAI 5 7.3 9/18 15.2s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#46 Kimi K2.5 medium Moonshot AI 2 7.0 9/18 72.4s
#47 Grok 4.20 medium X AI 4 7.0 9/18 10.3s
#51 Nemotron 3 Super medium NVIDIA 4 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 4 6.7 9/18 23.9s
#50 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#54 Mercury 2 medium Inception 4 6.5 8/18 2.21s
#55 MiMo-V2-Omni none Xiaomi 2 6.5 8/18 1.99s
#58 GLM 5V Turbo none Z.ai 2 6.2 8/18 3.10s
#59 Qwen3.5-Flash none Qwen 1 6.2 8/18 3.25s
#56 Grok 4.20 Multi Agent Beta medium X AI 4 6.4 7/18 9.80s
#57 GPT-5 Nano medium OpenAI 3 6.3 7/18 44.1s
#60 Gemma 4 26B A4B none Google 3 6.2 7/18 6.59s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)