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)
#81 Elephant medium Openrouter 3 5.2 5/18 1.27s
#82 Grok 4.20 none X AI 2 5.2 5/18 1.11s
#83 Mistral Small 4 none Mistral 2 5.2 5/18 665ms
#85 Elephant none Openrouter 3 5.2 5/18 1.23s
#86 GPT-5.4 Mini none OpenAI 3 5.1 5/18 1.17s
#79 Grok 4.20 Beta none X AI 3 5.3 4/18 1.19s
#80 MiniMax M2.7 medium Minimax 6 5.3 4/18 31.1s
#84 gpt-oss-120b none OpenAI 5 5.2 4/18 12.0s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#88 Nemotron 3 Super none NVIDIA 4 5.1 4/18 8.54s
#89 GPT-4o-mini none OpenAI 1 4.9 4/18 2.00s
#90 Qwen3.5-9B none Qwen 3 4.8 4/18 1.47s
#91 Mercury 2 none Inception 1 4.8 4/18 613ms
#93 GLM 4.7 Flash medium Z.ai 2 4.6 4/18 32.3s
#92 Qwen3 Coder Next medium Qwen 5 4.7 3/18 10.8s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)