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

13

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)
#87 Gemini 3.1 Flash Lite minimal Google 3 6.4 10/21 1.33s
#136 Elephant Alpha medium Openrouter 2 5.1 6/21 1.27s
#137 Elephant Alpha none Openrouter 3 5.1 5/21 1.22s
#58 Gemini 3.1 Flash Lite Preview none Google 2 7.2 12/21 1.21s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#144 GPT-5.4 Mini none OpenAI 3 4.9 5/21 1.13s
#90 Gemini 3.1 Flash Lite none Google 1 6.4 9/21 1.06s
#146 Laguna Xs.2 none Poolside 1 4.8 5/19 806ms
#160 LFM2-24B-A2B none Liquid 1 4.2 2/16 782ms
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 2 4.1 2/19 728ms
#163 Granite 4.1 8B none IBM Granite 4 4.0 2/21 728ms
#155 Mercury 2 none Inception 1 4.5 4/21 653ms
#142 Mistral Small 4 none Mistral 1 4.9 5/21 630ms

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)