Peringkat kegagalan Tidak mengikuti instruksi

Kegagalan AI BENCHY

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

Total kegagalan

215

Model yang paling terdampak

Gemini 3.5 Flash 1

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)
#83	Step 3.5 Flash none	Stepfun	1	6.6	6/12	39.0s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#78	Qwen3.6 27B medium	Qwen	1	6.8	10/21	59.7s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#81	Mercury 2 medium	Inception	3	6.6	10/21	2.24s
#85	Gemma 4 31B none	Google	1	6.5	10/21	4.05s
#87	Gemini 3.1 Flash Lite minimal	Google	3	6.4	10/21	1.33s
#88	Qwen3.7 Plus none	Qwen	1	6.4	10/21	2.85s
#86	Grok 4.1 Fast medium	X AI	4	6.5	9/19	23.8s
#92	Laguna M.1 medium	Poolside	1	6.4	9/19	14.7s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#90	Gemini 3.1 Flash Lite none	Google	1	6.4	9/21	1.06s
#94	GPT-5 Nano medium	OpenAI	2	6.3	9/21	42.5s
#96	Ring-2.6-1T none	Inclusionai	2	6.2	9/21	55.1s

←

1 3 4 5 8

→

Kegagalan Tidak mengikuti instruksi

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)