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)
#15	Gemini 3 Flash Preview medium	Google	1.0	1.0	$0.876	2/2	4.04s
Total teste 2 Teste greșite 0 Cost total $0.876 Timp de răspuns (mediu) 4.04s
#16	GPT-6.1 Sol low	OpenAI	1.0	1.0	$0.460	2/2	2.21s
Total teste 2 Teste greșite 0 Cost total $0.460 Timp de răspuns (mediu) 2.21s
#17	Gemini 4 Argon high	Google	1.0	1.0	$1.802	2/2	5.32s
Total teste 2 Teste greșite 0 Cost total $1.802 Timp de răspuns (mediu) 5.32s
#18	Gemini 3.7 Flash medium	Google	1.0	1.0	$0.278	2/2	2.81s
Total teste 2 Teste greșite 0 Cost total $0.278 Timp de răspuns (mediu) 2.81s
#19	GPT-6 Sol medium	OpenAI	1.0	0.9	$0.703	2/2	2.00s
Total teste 2 Teste greșite 0 Cost total $0.703 Timp de răspuns (mediu) 2.00s
#20	GPT-5.6 Sol medium	OpenAI	1.0	0.9	$1.700	2/2	2.50s
Total teste 2 Teste greșite 0 Cost total $1.700 Timp de răspuns (mediu) 2.50s
#21	GPT-6 Astra medium	OpenAI	1.0	0.9	$2.707	2/2	2.86s
Total teste 2 Teste greșite 0 Cost total $2.707 Timp de răspuns (mediu) 2.86s
#22	GPT-5.6 Sol high	OpenAI	1.0	0.9	$1.595	2/2	2.73s
Total teste 2 Teste greșite 0 Cost total $1.595 Timp de răspuns (mediu) 2.73s
#24	Claude Opus 5.5 low	Anthropic	1.0	0.9	$1.733	2/2	21.1s
Total teste 2 Teste greșite 0 Cost total $1.733 Timp de răspuns (mediu) 21.1s
#25	Claude Opus 5.5 high	Anthropic	1.0	0.9	$2.133	2/2	21.3s
Total teste 2 Teste greșite 0 Cost total $2.133 Timp de răspuns (mediu) 21.3s
#26	Gemini 3.7 Flash low	Google	1.0	0.9	$0.183	2/2	2.47s
Total teste 2 Teste greșite 0 Cost total $0.183 Timp de răspuns (mediu) 2.47s
#27	Claude Opus 5 high	Anthropic	1.0	0.9	$4.524	2/2	4.78s
Total teste 2 Teste greșite 0 Cost total $4.524 Timp de răspuns (mediu) 4.78s
#28	Claude Opus 5 medium	Anthropic	1.0	0.9	$2.870	2/2	4.16s
Total teste 2 Teste greșite 0 Cost total $2.870 Timp de răspuns (mediu) 4.16s
#31	Claude Opus 5.5 medium	Anthropic	1.0	0.9	$1.804	2/2	21.3s
Total teste 2 Teste greșite 0 Cost total $1.804 Timp de răspuns (mediu) 21.3s
#33	GPT-5.5 medium	OpenAI	1.0	0.9	$4.809	2/2	3.36s
Total teste 2 Teste greșite 0 Cost total $4.809 Timp de răspuns (mediu) 3.36s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)