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: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

15

Total kegagalan

180

Model yang paling terdampak

Qwen3.5-9B 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#97 Qwen3.5-9B medium Qwen 2 4.4 3/18 73.6s
#46 Kimi K2.5 medium Moonshot AI 2 7.0 9/18 72.4s
#39 Seed-2.0-Mini medium Bytedance Seed 1 7.5 11/18 69.7s
#11 Gemini 3.1 Flash Lite Preview high Google 1 8.4 12/16 68.8s
#32 Qwen3.5-Flash medium Qwen 1 7.8 11/18 66.7s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s
#27 DeepSeek V3.2 medium DeepSeek 1 8.0 12/18 46.4s
#34 Kimi K2.6 medium Moonshot AI 3 7.7 11/18 45.2s
#57 GPT-5 Nano medium OpenAI 3 6.3 7/18 44.1s
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#93 GLM 4.7 Flash medium Z.ai 2 4.6 4/18 32.3s
#80 MiniMax M2.7 medium Minimax 6 5.3 4/18 31.1s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#24 Gemma 4 26B A4B medium Google 1 8.0 13/18 25.0s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)