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.

Model yang ditampilkan

15

Total kegagalan

215

Model yang paling terdampak

MiniMax M2.7 5
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor Tes benar Waktu respons (rata-rata)
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#137 Elephant Alpha none Openrouter 3 5.1 5/21 1.22s
#144 GPT-5.4 Mini none OpenAI 3 4.9 5/21 1.13s
#150 Qwen3 Coder Next medium Qwen 3 4.6 4/21 8.58s
#151 Trinity Large Preview none Arcee AI 3 4.6 4/21 2.98s
#157 Grok 4.1 Fast none X AI 3 4.4 3/19 1.62s
#15 GPT-5.3-Codex medium OpenAI 2 8.4 15/21 16.2s
#19 Seed-2.0-Lite medium Bytedance Seed 2 8.2 14/21 47.1s
#21 GPT-5.4 medium OpenAI 2 8.0 14/21 22.3s
#30 Qwen3.5-27B medium Qwen 2 7.8 13/21 68.4s
#31 DeepSeek V4 Flash high DeepSeek 2 7.7 13/21 45.8s
#38 Grok 4.3 medium X AI 2 7.6 13/21 47.5s
#43 MiMo-V2.5-Pro medium Xiaomi 2 7.5 12/21 26.1s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)