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

Kategori

Dalam kategori Pemecahan teka-teki78 Dalam kategori Kecerdasan umum74 Dalam kategori Trik anti-AI30 Dalam kategori Pemrograman14 Dalam kategori Kepatuhan instruksi11 Dalam kategori Pemanggilan alat6 Dalam kategori Gabungan1 Dalam kategori Spesifik domain1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#39 Qwen3.6 Flash medium Qwen 1 7.5 12/21 19.2s
#46 Qwen3.6 35B A3B medium Qwen 1 7.4 13/21 18.1s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 1 4.6 4/19 17.1s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#33 Hy3 preview medium Tencent 1 7.7 14/21 16.3s
#15 GPT-5.3-Codex medium OpenAI 2 8.4 15/21 16.2s
#28 Gemini 2.5 Flash medium Google 1 7.8 14/21 15.5s
#92 Laguna M.1 medium Poolside 1 6.4 9/19 14.7s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#156 Hy3 preview none Tencent 4 4.4 4/21 12.9s
#113 DeepSeek V4 Pro none DeepSeek 2 5.7 7/21 12.4s
#70 GPT-5.4 Nano medium OpenAI 2 7.0 11/21 12.0s
#111 Owl Alpha medium Openrouter 2 5.7 8/21 11.9s
#79 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)