Peringkat kegagalan Tidak mengikuti instruksi

Kegagalan AI BENCHY

Lihat model AI mana yang paling sering mengalami Tidak mengikuti instruksi, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Skor ↓.

Model yang ditampilkan

Total kegagalan

180

Model yang paling terdampak

Seed-2.0-Lite 2

Kategori

Dalam kategori Pemecahan teka-teki75 Dalam kategori Kecerdasan umum58 Dalam kategori Kepatuhan instruksi22 Dalam kategori Trik anti-AI17 Dalam kategori Pemanggilan alat6 Dalam kategori Pemrograman2

Peringkat	Model	Perusahaan	Jumlah Tidak mengikuti instruksi	Skor	Tes benar	Waktu respons (rata-rata)
#6	Seed-2.0-Lite medium	Bytedance Seed	2	8.6	13/18	30.4s
#7	GPT-5.3-Codex medium	OpenAI	2	8.6	13/18	15.4s
#9	Qwen3.6 Plus Preview medium	Qwen	1	8.5	13/17	13.9s
#10	Qwen3.5-27B medium	Qwen	2	8.4	13/18	53.0s
#11	Gemini 3.1 Flash Lite Preview high	Google	1	8.4	12/16	68.8s
#13	GLM 5 medium	Z.ai	1	8.4	13/18	23.3s
#14	Gemma 4 31B medium	Google	1	8.3	13/18	24.9s
#15	Gemini 2.5 Flash medium	Google	1	8.2	13/18	12.1s
#16	GPT-5.4 medium	OpenAI	2	8.2	13/18	18.6s
#17	Gemini 3.1 Flash Lite Preview medium	Google	1	8.2	13/18	3.74s
#18	GLM 5 Turbo medium	Z.ai	2	8.1	12/18	17.7s
#20	Qwen3.6 Plus medium	Qwen	1	8.1	13/18	15.3s
#22	Gemini 3.1 Flash Lite Preview low	Google	1	8.1	13/18	3.22s
#23	MiMo-V2-Pro medium	Xiaomi	1	8.1	12/18	12.3s
#24	Gemma 4 26B A4B medium	Google	1	8.0	13/18	25.0s

1 2 3 4 5 6

→

Kegagalan Tidak mengikuti instruksi

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)