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: Skor ↓.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

Seed-2.0-Lite 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#62 Gemini 2.5 Flash none Google 1 6.2 7/18 903ms
#63 Qwen3.5-35B-A3B none Qwen 2 6.1 7/18 3.82s
#65 MiMo-V2-Pro none Xiaomi 2 6.0 7/18 2.39s
#66 GPT-5.4 none OpenAI 1 5.9 7/18 1.51s
#67 Qwen3.5-27B none Qwen 2 5.9 6/18 1.74s
#68 gpt-oss-120b medium OpenAI 4 5.8 7/18 16.1s
#69 Kimi K2.6 none Moonshot AI 3 5.8 7/18 2.05s
#70 Qwen3.5-122B-A10B none Qwen 1 5.7 6/18 3.69s
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#72 Hunter Alpha none OpenRouter 2 5.7 6/18 4.58s
#73 Mistral Small 4 medium Mistral 3 5.7 5/18 5.64s
#74 GLM 4.7 Flash none Z.ai 2 5.6 5/18 3.35s
#75 GLM 5.1 none Z.ai 2 5.6 5/18 4.33s
#77 GLM 5 Turbo none Z.ai 2 5.5 6/18 2.94s
#78 Trinity Large Preview none Arcee AI 2 5.3 5/18 5.07s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)