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)
#385	GLM 4.7 Flash medium	Z.ai	0.6	0.4	$0.193	1/2	2.97s
Total teste 2 Teste greșite 1 Cost total $0.193 Timp de răspuns (mediu) 2.97s
#143	Space Bunny Alpha high	Stealth	0.6	0.8	$0.000	1/2	2.04s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 2.04s
#246	Qwen3.6 27B none	Qwen	0.6	0.6	$0.148	1/2	1.92s
Total teste 2 Teste greșite 1 Cost total $0.148 Timp de răspuns (mediu) 1.92s
#128	Qwen3.7 Plus none	Qwen	0.6	0.8	$0.178	1/2	929ms
Total teste 2 Teste greșite 1 Cost total $0.178 Timp de răspuns (mediu) 929ms
#165	Qwen3.5-27B none	Qwen	0.6	0.7	$0.116	1/2	1.03s
Total teste 2 Teste greșite 1 Cost total $0.116 Timp de răspuns (mediu) 1.03s
#194	Claude Sonnet 5.5 low	Anthropic	0.6	0.7	$0.909	1/2	1.91s
Total teste 2 Teste greșite 1 Cost total $0.909 Timp de răspuns (mediu) 1.91s
#205	Qwen3.5-Flash none	Qwen	0.6	0.7	$0.089	1/2	8.81s
Total teste 2 Teste greșite 1 Cost total $0.089 Timp de răspuns (mediu) 8.81s
#222	Claude Sonnet 5.5 medium	Anthropic	0.6	0.7	$1.100	1/2	1.88s
Total teste 2 Teste greșite 1 Cost total $1.100 Timp de răspuns (mediu) 1.88s
#232	Qwen3.5-122B-A10B none	Qwen	0.6	0.6	$0.308	1/2	513ms
Total teste 2 Teste greșite 1 Cost total $0.308 Timp de răspuns (mediu) 513ms
#269	Inkling none	Thinkingmachines	0.6	0.6	$0.292	1/2	1.72s
Total teste 2 Teste greșite 1 Cost total $0.292 Timp de răspuns (mediu) 1.72s
#283	Qwen3.6 Flash none	Qwen	0.6	0.6	$0.139	1/2	1.10s
Total teste 2 Teste greșite 1 Cost total $0.139 Timp de răspuns (mediu) 1.10s
#286	Qwen3.7 Flash none	Qwen	0.6	0.6	$0.028	1/2	892ms
Total teste 2 Teste greșite 1 Cost total $0.028 Timp de răspuns (mediu) 892ms
#292	Trinity Large Thinking high	Arcee AI	0.6	0.6	$0.794	1/2	4.12s
Total teste 2 Teste greșite 1 Cost total $0.794 Timp de răspuns (mediu) 4.12s
#294	GPT-5.4 Mini none	OpenAI	0.6	0.6	$0.170	1/2	728ms
Total teste 2 Teste greșite 1 Cost total $0.170 Timp de răspuns (mediu) 728ms
#304	Qwen3.5-35B-A3B none	Qwen	0.6	0.6	$0.120	1/2	809ms
Total teste 2 Teste greșite 1 Cost total $0.120 Timp de răspuns (mediu) 809ms

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)