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: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

Qwen3.5-9B 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#65 MiMo-V2-Pro none Xiaomi 2 6.0 7/18 2.39s
#54 Mercury 2 medium Inception 4 6.5 8/18 2.21s
#69 Kimi K2.6 none Moonshot AI 3 5.8 7/18 2.05s
#89 GPT-4o-mini none OpenAI 1 4.9 4/18 2.00s
#55 MiMo-V2-Omni none Xiaomi 2 6.5 8/18 1.99s
#95 Grok 4.1 Fast none X AI 2 4.5 3/18 1.76s
#67 Qwen3.5-27B none Qwen 2 5.9 6/18 1.74s
#66 GPT-5.4 none OpenAI 1 5.9 7/18 1.51s
#90 Qwen3.5-9B none Qwen 3 4.8 4/18 1.47s
#96 GPT-5.4 Nano none OpenAI 3 4.5 2/18 1.40s
#29 Gemini 3.1 Flash Lite Preview none Google 2 7.9 12/18 1.30s
#81 Elephant medium Openrouter 3 5.2 5/18 1.27s
#85 Elephant none Openrouter 3 5.2 5/18 1.23s
#79 Grok 4.20 Beta none X AI 3 5.3 4/18 1.19s
#86 GPT-5.4 Mini none OpenAI 3 5.1 5/18 1.17s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)