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)
#203	Grok 4.7 xhigh	X AI	1.0	0.7	$3.398	2/2	17.3s
Total teste 2 Teste greșite 0 Cost total $3.398 Timp de răspuns (mediu) 17.3s
#93	Kimi K3 max	Moonshot AI	1.0	0.8	$3.409	2/2	7.66s
Total teste 2 Teste greșite 0 Cost total $3.409 Timp de răspuns (mediu) 7.66s
#131	Muse Wonder high	Meta	0.7	0.8	$3.426	1/2	1.97s
Total teste 2 Teste greșite 1 Cost total $3.426 Timp de răspuns (mediu) 1.97s
#116	Claude Fable 5.1 high	Anthropic	1.0	0.8	$3.471	2/2	5.60s
Total teste 2 Teste greșite 0 Cost total $3.471 Timp de răspuns (mediu) 5.60s
#95	Claude Opus 4.8 medium	Anthropic	1.0	0.8	$3.490	2/2	3.32s
Total teste 2 Teste greșite 0 Cost total $3.490 Timp de răspuns (mediu) 3.32s
#105	Claude Opus 4.7 medium	Anthropic	1.0	0.8	$3.636	2/2	1.57s
Total teste 2 Teste greșite 0 Cost total $3.636 Timp de răspuns (mediu) 1.57s
#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
#139	Muse Wonder xhigh	Meta	0.7	0.8	$4.012	1/2	2.64s
Total teste 2 Teste greșite 1 Cost total $4.012 Timp de răspuns (mediu) 2.64s
#82	Qwen3.8 2.4T A95B low	Qwen	1.0	0.8	$4.016	2/2	19.5s
Total teste 2 Teste greșite 0 Cost total $4.016 Timp de răspuns (mediu) 19.5s
#302	Step 5 Preview low	Stepfun	1.0	0.6	$4.110	2/2	6.78s
Total teste 2 Teste greșite 0 Cost total $4.110 Timp de răspuns (mediu) 6.78s
#271	Step 5 Preview medium	Stepfun	1.0	0.6	$4.136	2/2	4.23s
Total teste 2 Teste greșite 0 Cost total $4.136 Timp de răspuns (mediu) 4.23s
#7	GPT-6 Astra high	OpenAI	1.0	1.0	$4.458	2/2	3.58s
Total teste 2 Teste greșite 0 Cost total $4.458 Timp de răspuns (mediu) 3.58s
#185	Step 5 Preview high	Stepfun	0.7	0.7	$4.513	1/2	20.5s
Total teste 2 Teste greșite 1 Cost total $4.513 Timp de răspuns (mediu) 20.5s
#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
#89	GLM 5.2 high	Z.ai	1.0	0.8	$4.632	2/2	4.26s
Total teste 2 Teste greșite 0 Cost total $4.632 Timp de răspuns (mediu) 4.26s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)