सूचनांचे पालन मॉडेल क्रमवारी

सूचनांचे पालन मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↑.

दाखवलेली मॉडेल्स

सरासरी सूचनांचे पालन स्कोअर

0.8

सर्वोत्तम मॉडेल

Gemini 3 Flash Preview 0.0

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण चुकीचे उत्तर सह117 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह77 अयशस्वी होण्याचे कारण API त्रुटी सह25 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह8 अयशस्वी होण्याचे कारण वेळ संपला सह5 अयशस्वी होण्याचे कारण उत्तर नाही सह2

451/451

क्रमांक	मॉडेल	कंपनी	सूचनांचे पालन स्कोअर	स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#199	Claude Sonnet 5.5 low	Anthropic	0.6	0.7	$0.909	1/2	1.91s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.909 प्रतिसाद वेळ (सरासरी) 1.91s
#253	Qwen3.6 27B none	Qwen	0.6	0.6	$0.148	1/2	1.92s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.148 प्रतिसाद वेळ (सरासरी) 1.92s
#135	GPT-6 Luna high	OpenAI	0.8	0.8	$0.074	1/2	1.92s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.074 प्रतिसाद वेळ (सरासरी) 1.92s
#283	Claude Sonnet 4.6 none	Anthropic	0.7	0.6	$0.661	1/2	1.96s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.661 प्रतिसाद वेळ (सरासरी) 1.96s
#134	Muse Wonder high	Meta	0.7	0.8	$3.426	1/2	1.97s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $3.426 प्रतिसाद वेळ (सरासरी) 1.97s
#376	GLM 5V Turbo none	Z.ai	0.7	0.5	$0.052	1/2	1.97s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.052 प्रतिसाद वेळ (सरासरी) 1.97s
#234	GLM 5.1 none	Z.ai	1.0	0.6	$0.451	2/2	1.98s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.451 प्रतिसाद वेळ (सरासरी) 1.98s
#19	GPT-6 Sol medium	OpenAI	1.0	0.9	$0.703	2/2	2.00s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.703 प्रतिसाद वेळ (सरासरी) 2.00s
#198	GPT-5.6 Luna low	OpenAI	0.8	0.7	$0.049	1/2	2.04s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.049 प्रतिसाद वेळ (सरासरी) 2.04s
#146	Space Bunny Alpha high	Stealth	0.6	0.8	$0.000	1/2	2.04s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 2.04s
#143	Qwen3.8 Flash Next medium	Qwen	1.0	0.8	~$0.047	2/2	2.04s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च ~$0.047 प्रतिसाद वेळ (सरासरी) 2.04s
#161	GLM 5.3 Flash high	Z.ai	1.0	0.7	$0.056	2/2	2.06s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.056 प्रतिसाद वेळ (सरासरी) 2.06s
#41	Muse Wonder low	Meta	0.7	0.9	$2.637	1/2	2.08s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $2.637 प्रतिसाद वेळ (सरासरी) 2.08s
#119	GPT-5.4 Mini medium	OpenAI	1.0	0.8	$1.102	2/2	2.13s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $1.102 प्रतिसाद वेळ (सरासरी) 2.13s
#396	GLM 5 Turbo none	Z.ai	0.7	0.4	$0.047	1/2	2.13s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.047 प्रतिसाद वेळ (सरासरी) 2.13s

सूचनांचे पालन क्रमवारी

मॉडेल फिल्टर करा

सूचनांचे पालन स्कोअर नुसार शीर्ष मॉडेल्स

सूचनांचे पालन स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स