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

180

Model yang paling terdampak

Qwen3.6 Plus Preview 1
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
#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
#67 Qwen3.5-27B none Qwen 2 5.9 6/18 1.74s
#70 Qwen3.5-122B-A10B none Qwen 1 5.7 6/18 3.69s
#72 Hunter Alpha none OpenRouter 2 5.7 6/18 4.58s
#77 GLM 5 Turbo none Z.ai 2 5.5 6/18 2.94s
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#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
#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)