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)
#152 MiMo-V2-Flash none Xiaomi 2 4.6 4/21 2.76s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#120 Mimo V2 PRO none Xiaomi 2 5.6 7/21 2.27s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 6.0 8/21 2.27s
#81 Mercury 2 medium Inception 3 6.6 10/21 2.24s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#154 Qwen3.5-9B none Qwen 2 4.6 4/21 1.89s
#123 MiMo-V2.5-Pro none Xiaomi 4 5.5 6/21 1.78s
#147 GPT-4o-mini none OpenAI 1 4.8 5/21 1.77s
#115 Qwen3.5-27B none Qwen 2 5.7 7/21 1.68s
#157 Grok 4.1 Fast none X AI 3 4.4 3/19 1.62s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#32 Gemini 3.5 Flash minimal Google 1 7.7 14/21 1.57s
#148 GPT-5.4 Nano none OpenAI 2 4.7 4/21 1.48s
#125 GPT-5.4 none OpenAI 1 5.5 7/21 1.42s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)