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: Cost total ↑.

Modele afișate

Media pentru Scor Respectarea instrucțiunilor

0.8

Cel mai bun model

Ling 3.1 Flash 1.0

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)
#68	Seed 2.1 Turbo medium	Bytedance Seed	1.0	0.9	$2.042	2/2	7.48s
Total teste 2 Teste greșite 0 Cost total $2.042 Timp de răspuns (mediu) 7.48s
#366	Gemini 3.1 Flash Lite high	Google	0.7	0.5	$2.044	1/2	23.3s
Total teste 2 Teste greșite 1 Cost total $2.044 Timp de răspuns (mediu) 23.3s
#44	Muse Spark Open xhigh	Meta	1.0	0.9	$2.081	2/2	23.5s
Total teste 2 Teste greșite 0 Cost total $2.081 Timp de răspuns (mediu) 23.5s
#236	Claude Sonnet 4.6 medium	Anthropic	1.0	0.6	$2.126	2/2	2.61s
Total teste 2 Teste greșite 0 Cost total $2.126 Timp de răspuns (mediu) 2.61s
#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
#14	GPT-6 Astra low	OpenAI	1.0	1.0	$2.160	2/2	2.65s
Total teste 2 Teste greșite 0 Cost total $2.160 Timp de răspuns (mediu) 2.65s
#60	GPT-5.4 medium	OpenAI	1.0	0.9	$2.213	2/2	3.11s
Total teste 2 Teste greșite 0 Cost total $2.213 Timp de răspuns (mediu) 3.11s
#127	Grok 4.6 medium	X AI	1.0	0.8	$2.270	2/2	12.8s
Total teste 2 Teste greșite 0 Cost total $2.270 Timp de răspuns (mediu) 12.8s
#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
#195	Claude Opus 4.8 none	Anthropic	1.0	0.7	$2.334	2/2	1.37s
Total teste 2 Teste greșite 0 Cost total $2.334 Timp de răspuns (mediu) 1.37s
#50	Claude Opus 5 low	Anthropic	1.0	0.9	$2.350	2/2	4.13s
Total teste 2 Teste greșite 0 Cost total $2.350 Timp de răspuns (mediu) 4.13s
#191	Ember-1 high	Fireworks	0.7	0.7	$2.405	1/2	33.4s
Total teste 2 Teste greșite 1 Cost total $2.405 Timp de răspuns (mediu) 33.4s
#87	Muse Spark 1.1 high	Meta	0.6	0.8	$2.570	1/2	7.81s
Total teste 2 Teste greșite 1 Cost total $2.570 Timp de răspuns (mediu) 7.81s
#76	Grok 4.6 high	X AI	1.0	0.9	$2.629	2/2	13.8s
Total teste 2 Teste greșite 0 Cost total $2.629 Timp de răspuns (mediu) 13.8s
#40	Muse Wonder low	Meta	0.7	0.9	$2.637	1/2	2.08s
Total teste 2 Teste greșite 1 Cost total $2.637 Timp de răspuns (mediu) 2.08s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)