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)
#197	Qwen3.5-Flash medium	Qwen	1.0	0.7	$0.184	2/2	63.5s
Total teste 2 Teste greșite 0 Cost total $0.184 Timp de răspuns (mediu) 63.5s
#200	GPT-6 Sol none	OpenAI	1.0	0.7	$0.551	2/2	1.23s
Total teste 2 Teste greșite 0 Cost total $0.551 Timp de răspuns (mediu) 1.23s
#213	GLM 5.3 Flash low	Z.ai	1.0	0.7	$0.038	2/2	1.65s
Total teste 2 Teste greșite 0 Cost total $0.038 Timp de răspuns (mediu) 1.65s
#218	Mercury 2 medium	Inception	1.0	0.7	$0.121	2/2	1.07s
Total teste 2 Teste greșite 0 Cost total $0.121 Timp de răspuns (mediu) 1.07s
#221	KAT-Coder-Pro V2.5 low	Kwaipilot	1.0	0.7	$0.568	2/2	2.53s
Total teste 2 Teste greșite 0 Cost total $0.568 Timp de răspuns (mediu) 2.53s
#223	Qwen3.6 35B A3B medium	Qwen	1.0	0.7	$0.834	2/2	7.50s
Total teste 2 Teste greșite 0 Cost total $0.834 Timp de răspuns (mediu) 7.50s
#227	GLM 5.3 low	Z.ai	1.0	0.6	$0.215	2/2	3.40s
Total teste 2 Teste greșite 0 Cost total $0.215 Timp de răspuns (mediu) 3.40s
#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
#237	Kimi K2.5 medium	Moonshot AI	1.0	0.6	$0.841	2/2	92.5s
Total teste 2 Teste greșite 0 Cost total $0.841 Timp de răspuns (mediu) 92.5s
#245	Qwen3.5-35B-A3B medium	Qwen	1.0	0.6	$0.716	2/2	24.4s
Total teste 2 Teste greșite 0 Cost total $0.716 Timp de răspuns (mediu) 24.4s
#248	Gemini 3.1 Flash Lite Preview low	Google	1.0	0.6	$0.736	2/2	1.49s
Total teste 2 Teste greșite 0 Cost total $0.736 Timp de răspuns (mediu) 1.49s
#249	Gemini 3.1 Flash Lite low	Google	1.0	0.6	$0.717	2/2	1.52s
Total teste 2 Teste greșite 0 Cost total $0.717 Timp de răspuns (mediu) 1.52s
#251	Qwen3.5 Plus 2026-02-15 none	Qwen	1.0	0.6	$0.176	2/2	1.67s
Total teste 2 Teste greșite 0 Cost total $0.176 Timp de răspuns (mediu) 1.67s
#253	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	2.43s
Total teste 2 Teste greșite 0 Cost total $2.961 Timp de răspuns (mediu) 2.43s
#255	DeepSeek V3.2 medium	DeepSeek	1.0	0.6	$0.152	2/2	35.8s
Total teste 2 Teste greșite 0 Cost total $0.152 Timp de răspuns (mediu) 35.8s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)