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: मेट्रिक ↑.

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)
#268	KAT-Coder-Pro V2.5 medium	Kwaipilot	1.0	0.6	$0.669	2/2	2.58s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.669 प्रतिसाद वेळ (सरासरी) 2.58s
#289	gpt-oss-120b medium	OpenAI	1.0	0.6	$0.030	2/2	7.63s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.030 प्रतिसाद वेळ (सरासरी) 7.63s
#321	GLM 5V Turbo medium	Z.ai	1.0	0.5	$0.457	2/2	3.74s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.457 प्रतिसाद वेळ (सरासरी) 3.74s
#337	Inkling Small low	Thinkingmachines	1.0	0.5	$0.055	2/2	1.89s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.055 प्रतिसाद वेळ (सरासरी) 1.89s
#341	Mimo V2 PRO medium	Xiaomi	1.0	0.5	$0.333	2/2	3.36s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.333 प्रतिसाद वेळ (सरासरी) 3.36s
#387	KAT Coder AIR V2.5 default	Kwaipilot	1.0	0.4	$0.070	2/2	1.75s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.070 प्रतिसाद वेळ (सरासरी) 1.75s
#401	Hunter Alpha medium	OpenRouter	1.0	0.4	$0.000	2/2	4.18s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 4.18s
#1	Gemini 3.6 Flash high	Google	1.0	1.0	$0.900	2/2	4.07s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.900 प्रतिसाद वेळ (सरासरी) 4.07s
#2	Gemini 3.8 Flash high	Google	1.0	1.0	$1.927	2/2	4.73s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $1.927 प्रतिसाद वेळ (सरासरी) 4.73s
#3	GPT-6 Sol high	OpenAI	1.0	1.0	$0.921	2/2	15.6s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.921 प्रतिसाद वेळ (सरासरी) 15.6s
#4	GPT-6.1 Sol max	OpenAI	1.0	1.0	$1.006	2/2	5.54s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $1.006 प्रतिसाद वेळ (सरासरी) 5.54s
#5	GPT-6 Astra max	OpenAI	1.0	1.0	$5.044	2/2	6.34s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $5.044 प्रतिसाद वेळ (सरासरी) 6.34s
#6	GPT-6.1 Sol xhigh	OpenAI	1.0	1.0	$1.377	2/2	3.78s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $1.377 प्रतिसाद वेळ (सरासरी) 3.78s
#7	GPT-6 Astra high	OpenAI	1.0	1.0	$4.458	2/2	3.58s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $4.458 प्रतिसाद वेळ (सरासरी) 3.58s
#8	GPT-6 Astra xhigh	OpenAI	1.0	1.0	$6.213	2/2	4.91s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $6.213 प्रतिसाद वेळ (सरासरी) 4.91s

सूचनांचे पालन क्रमवारी

मॉडेल फिल्टर करा

सूचनांचे पालन स्कोअर नुसार शीर्ष मॉडेल्स

सूचनांचे पालन स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स