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)
#438	Microsoft-Decision-1 default	Microsoft	0.2	0.1	$0.002	0/1	997ms
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 997ms
#428	Kev 4B default	Jaredpalmer	0.2	0.2	$0.002	0/1	17.3s
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 17.3s
#434	D1 default	Liquid	0.2	0.2	$0.003	0/1	820ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 820ms
#421	d1-ultra default	Liquid	0.2	0.3	$0.003	0/1	571ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 571ms
#437	Solar Decide Flash default	Upstage	0.2	0.2	$0.003	0/1	1.66s
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 1.66s
#423	Jev 1.13 default	Typesafe	0.2	0.3	$0.003	0/1	557ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 557ms
#429	Jev 1.14 default	Typesafe	0.2	0.2	$0.003	0/1	543ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 543ms
#329	Ling 3.0 Flash none	Inclusionai	0.5	0.5	$0.004	0/2	836ms
Total teste 2 Teste greșite 2 Cost total $0.004 Timp de răspuns (mediu) 836ms
#416	Laguna Xs.2 default	Poolside	0.7	0.3	$0.004	1/2	439ms
Total teste 2 Teste greșite 1 Cost total $0.004 Timp de răspuns (mediu) 439ms
#427	GPT-6 Luna Decisions default	OpenAI	0.2	0.2	$0.005	0/1	842ms
Total teste 1 Teste greșite 1 Cost total $0.005 Timp de răspuns (mediu) 842ms
#396	Granite 4.1 8b default	IBM Granite	0.4	0.4	$0.007	0/2	344ms
Total teste 2 Teste greșite 2 Cost total $0.007 Timp de răspuns (mediu) 344ms
#410	Hy3 preview none	Tencent	0.6	0.3	$0.007	1/2	13.0s
Total teste 2 Teste greșite 1 Cost total $0.007 Timp de răspuns (mediu) 13.0s
#415	Grok 4.1 Fast default	X AI	0.3	0.3	$0.008	0/2	685ms
Total teste 2 Teste greșite 2 Cost total $0.008 Timp de răspuns (mediu) 685ms
#379	Trinity Large Preview default	Arcee AI	0.4	0.4	$0.008	0/2	822ms
Total teste 2 Teste greșite 2 Cost total $0.008 Timp de răspuns (mediu) 822ms
#430	Classify-1 default	Scaledown	0.2	0.2	$0.008	0/1	4.26s
Total teste 1 Teste greșite 1 Cost total $0.008 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)