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)
#388	Mercury 2.5 none	Inception	0.5	0.4	$0.026	0/2	493ms
Total teste 2 Teste greșite 2 Cost total $0.026 Timp de răspuns (mediu) 493ms
#419	Span-02 default	Respan	0.5	0.3	$0.001	1/1	2.30s
Total teste 1 Teste greșite 0 Cost total $0.001 Timp de răspuns (mediu) 2.30s
#433	Step 3.5 Flash none	Stepfun	0.5	0.2	$0.020	1/1	9.30s
Total teste 1 Teste greșite 0 Cost total $0.020 Timp de răspuns (mediu) 9.30s
#439	Solar Decide default	Upstage	0.5	0.1	$0.009	1/1	11.7s
Total teste 1 Teste greșite 0 Cost total $0.009 Timp de răspuns (mediu) 11.7s
#262	DeepSeek V4 Flash 0731 none	DeepSeek	0.5	0.6	$0.053	0/2	1.42s
Total teste 2 Teste greșite 2 Cost total $0.053 Timp de răspuns (mediu) 1.42s
#259	Space Bunny Alpha xhigh	Stealth	0.6	0.6	$0.000	0/2	2.22s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 2.22s
#216	Qwen3.7 Flash medium	Qwen	0.6	0.7	$0.076	0/2	9.27s
Total teste 2 Teste greșite 2 Cost total $0.076 Timp de răspuns (mediu) 9.27s
#201	Space Bunny Alpha max	Stealth	0.6	0.7	$0.000	0/2	3.78s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 3.78s
#184	Ember-1 low	Fireworks	0.6	0.7	$1.488	1/2	32.7s
Total teste 2 Teste greșite 1 Cost total $1.488 Timp de răspuns (mediu) 32.7s
#209	Ember-1 max	Fireworks	0.6	0.7	$3.264	1/2	33.0s
Total teste 2 Teste greșite 1 Cost total $3.264 Timp de răspuns (mediu) 33.0s
#214	GPT-5.5 none	OpenAI	0.6	0.7	$1.212	1/2	1.15s
Total teste 2 Teste greșite 1 Cost total $1.212 Timp de răspuns (mediu) 1.15s
#270	Qwen3.5 Plus 2026-04-20 none	Qwen	0.6	0.6	$0.216	1/2	1.17s
Total teste 2 Teste greșite 1 Cost total $0.216 Timp de răspuns (mediu) 1.17s
#310	GPT-6 Luna none	OpenAI	0.6	0.5	$0.026	1/2	17.0s
Total teste 2 Teste greșite 1 Cost total $0.026 Timp de răspuns (mediu) 17.0s
#313	Seed-2.0-Code none	Bytedance Seed	0.6	0.5	$0.257	1/2	1.80s
Total teste 2 Teste greșite 1 Cost total $0.257 Timp de răspuns (mediu) 1.80s
#327	Qwen3.6 35B A3B none	Qwen	0.6	0.5	$0.105	1/2	1.86s
Total teste 2 Teste greșite 1 Cost total $0.105 Timp de răspuns (mediu) 1.86s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)