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

13

Total kegagalan

215

Model yang paling terdampak

Gemini 3.5 Flash 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#151 Trinity Large Preview none Arcee AI 3 4.6 4/21 2.98s
#152 MiMo-V2-Flash none Xiaomi 2 4.6 4/21 2.76s
#153 Qwen3.6 35B A3B none Qwen 2 4.6 4/21 3.73s
#154 Qwen3.5-9B none Qwen 2 4.6 4/21 1.89s
#155 Mercury 2 none Inception 1 4.5 4/21 653ms
#156 Hy3 preview none Tencent 4 4.4 4/21 12.9s
#158 GLM 4.7 Flash medium Z.ai 2 4.4 4/21 35.1s
#157 Grok 4.1 Fast none X AI 3 4.4 3/19 1.62s
#159 Ling-2.6-1T none Inclusionai 2 4.3 3/21 7.72s
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#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

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)