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)
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#13 Grok 4.20 Beta medium X AI 1 8.5 14/18 9.75s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#132 Mistral Small 4 medium Mistral 2 5.3 5/21 9.40s
#138 Ling-2.6-flash none Inclusionai 2 5.0 6/21 9.34s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#150 Qwen3 Coder Next medium Qwen 3 4.6 4/21 8.58s
#159 Ling-2.6-1T none Inclusionai 2 4.3 3/21 7.72s
#24 GPT-5.2 Chat none OpenAI 1 7.9 14/21 7.13s
#63 GPT-5.3 Chat none OpenAI 2 7.2 12/21 6.34s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#141 Nemotron 3 Super none NVIDIA 2 4.9 5/21 5.30s
#77 Claude Sonnet 4.6 none Anthropic 1 6.8 11/21 5.04s
#7 Gemini 3.5 Flash medium Google 1 9.0 18/21 4.94s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)