Clasament modele pentru Respectarea instrucțiunilor

Vezi ce modele AI se descurcă cel mai bine la Respectarea instrucțiunilor, care rămân fiabile și unde apar cele mai mari diferențe. Sortează după: Metrică ↑.

Modele afișate

Media pentru Scor Respectarea instrucțiunilor

0.8

Cel mai bun model

Gemini 3 Flash Preview 0.0

Motive de eșec

Cu motivul de eșec Răspuns greșit111 Cu motivul de eșec Nu a urmat instrucțiunile73 Cu motivul de eșec Eroare API25 Cu motivul de eșec Formatare suplimentară8 Cu motivul de eșec Timp expirat5 Cu motivul de eșec Fără răspuns2

442/442

Rang	Model	Companie	Scor Respectarea instrucțiunilor	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#375	Ring 2.6 1t default	Inclusionai	1.0	0.4	$0.026	2/2	27.4s
Total teste 2 Teste greșite 0 Cost total $0.026 Timp de răspuns (mediu) 27.4s
#383	Gemini 3.1 Flash Lite Preview high	Google	1.0	0.4	$2.310	2/2	64.0s
Total teste 2 Teste greșite 0 Cost total $2.310 Timp de răspuns (mediu) 64.0s
#386	gpt-oss-120b none	OpenAI	1.0	0.4	$0.016	2/2	5.06s
Total teste 2 Teste greșite 0 Cost total $0.016 Timp de răspuns (mediu) 5.06s
#391	Grok 4.20 Multi Agent Beta medium	X AI	1.0	0.4	$5.599	2/2	3.52s
Total teste 2 Teste greșite 0 Cost total $5.599 Timp de răspuns (mediu) 3.52s
#413	Grok Build 0.1 none	X AI	1.0	0.3	$0.547	2/2	7.36s
Total teste 2 Teste greșite 0 Cost total $0.547 Timp de răspuns (mediu) 7.36s
#30	Muse Spark Open high	Meta	1.0	0.9	$1.782	2/2	28.5s
Total teste 2 Teste greșite 0 Cost total $1.782 Timp de răspuns (mediu) 28.5s
#47	Muse Spark 1.3 medium	Meta	1.0	0.9	$1.712	2/2	10.5s
Total teste 2 Teste greșite 0 Cost total $1.712 Timp de răspuns (mediu) 10.5s
#51	Gemini 3.6 Flash low	Google	1.0	0.9	$0.363	2/2	2.82s
Total teste 2 Teste greșite 0 Cost total $0.363 Timp de răspuns (mediu) 2.82s
#52	GLM 5.3 Flash max	Z.ai	1.0	0.9	$0.089	2/2	3.65s
Total teste 2 Teste greșite 0 Cost total $0.089 Timp de răspuns (mediu) 3.65s
#58	Pareto 26.9 default	Unbiased	1.0	0.9	$1.864	2/2	3.82s
Total teste 2 Teste greșite 0 Cost total $1.864 Timp de răspuns (mediu) 3.82s
#86	Inkling high	Thinkingmachines	1.0	0.8	$1.238	2/2	7.00s
Total teste 2 Teste greșite 0 Cost total $1.238 Timp de răspuns (mediu) 7.00s
#88	DeepSeek V4 Flash 0731 high	DeepSeek	1.0	0.8	$0.576	2/2	4.46s
Total teste 2 Teste greșite 0 Cost total $0.576 Timp de răspuns (mediu) 4.46s
#94	GPT-6 Luna medium	OpenAI	1.0	0.8	$0.047	2/2	13.2s
Total teste 2 Teste greșite 0 Cost total $0.047 Timp de răspuns (mediu) 13.2s
#110	GPT-5.4 Nano medium	OpenAI	1.0	0.8	$0.235	2/2	1.88s
Total teste 2 Teste greșite 0 Cost total $0.235 Timp de răspuns (mediu) 1.88s
#120	Qwen3.8 2.4T A95B high	Qwen	1.0	0.8	$2.949	2/2	11.4s
Total teste 2 Teste greșite 0 Cost total $2.949 Timp de răspuns (mediu) 11.4s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)