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)
#125	GLM 5.3 high	Z.ai	1.0	0.8	$0.495	2/2	3.62s
Total teste 2 Teste greșite 0 Cost total $0.495 Timp de răspuns (mediu) 3.62s
#147	Seed-2.0-Code high	Bytedance Seed	1.0	0.7	$1.448	2/2	11.3s
Total teste 2 Teste greșite 0 Cost total $1.448 Timp de răspuns (mediu) 11.3s
#154	Inkling Small high	Thinkingmachines	1.0	0.7	$0.398	2/2	3.94s
Total teste 2 Teste greșite 0 Cost total $0.398 Timp de răspuns (mediu) 3.94s
#169	Claude Opus 4.8 low	Anthropic	1.0	0.7	$3.787	2/2	2.78s
Total teste 2 Teste greșite 0 Cost total $3.787 Timp de răspuns (mediu) 2.78s
#204	Grok Build 0.1 medium	X AI	1.0	0.7	$1.419	2/2	12.4s
Total teste 2 Teste greșite 0 Cost total $1.419 Timp de răspuns (mediu) 12.4s
#208	MiniMax M3 medium	Minimax	1.0	0.7	$0.422	2/2	6.14s
Total teste 2 Teste greșite 0 Cost total $0.422 Timp de răspuns (mediu) 6.14s
#230	Grok 4.3 medium	X AI	1.0	0.6	$0.989	2/2	18.6s
Total teste 2 Teste greșite 0 Cost total $0.989 Timp de răspuns (mediu) 18.6s
#235	Solar Pro 4 medium	Upstage	1.0	0.6	$0.098	2/2	40.1s
Total teste 2 Teste greșite 0 Cost total $0.098 Timp de răspuns (mediu) 40.1s
#247	Gemini 3.5 Flash Lite low	Google	1.0	0.6	$0.183	2/2	1.75s
Total teste 2 Teste greșite 0 Cost total $0.183 Timp de răspuns (mediu) 1.75s
#254	Space Bunny Alpha medium	Stealth	1.0	0.6	$0.000	2/2	1.75s
Total teste 2 Teste greșite 0 Cost total $0.000 Timp de răspuns (mediu) 1.75s
#265	Gemini 3.5 Flash none	Google	1.0	0.6	$1.752	2/2	3.38s
Total teste 2 Teste greșite 0 Cost total $1.752 Timp de răspuns (mediu) 3.38s
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	1.0	0.6	$0.742	2/2	2.61s
Total teste 2 Teste greșite 0 Cost total $0.742 Timp de răspuns (mediu) 2.61s
#331	KAT Coder AIR V2.5 high	Kwaipilot	1.0	0.5	$0.077	2/2	1.51s
Total teste 2 Teste greșite 0 Cost total $0.077 Timp de răspuns (mediu) 1.51s
#345	KAT Coder AIR V2.5 low	Kwaipilot	1.0	0.5	$0.046	2/2	1.64s
Total teste 2 Teste greșite 0 Cost total $0.046 Timp de răspuns (mediu) 1.64s
#373	Ling 2.6 Flash default	Inclusionai	1.0	0.5	$0.002	2/2	5.52s
Total teste 2 Teste greșite 0 Cost total $0.002 Timp de răspuns (mediu) 5.52s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)