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)
#298	Gemma 4 31B none	Google	0.7	0.6	$0.031	1/2	2.84s
Total teste 2 Teste greșite 1 Cost total $0.031 Timp de răspuns (mediu) 2.84s
#141	GPT-6 Luna low	OpenAI	0.7	0.8	$0.033	1/2	17.4s
Total teste 2 Teste greșite 1 Cost total $0.033 Timp de răspuns (mediu) 17.4s
#394	Laguna M.1 medium	Poolside	1.0	0.4	$0.033	2/2	4.30s
Total teste 2 Teste greșite 0 Cost total $0.033 Timp de răspuns (mediu) 4.30s
#382	Mercury 2 none	Inception	0.7	0.4	$0.033	1/2	551ms
Total teste 2 Teste greșite 1 Cost total $0.033 Timp de răspuns (mediu) 551ms
#239	Mercury 2.5 medium	Inception	0.6	0.6	$0.034	1/2	1.07s
Total teste 2 Teste greșite 1 Cost total $0.034 Timp de răspuns (mediu) 1.07s
#323	Granite 4.2 8B low	IBM Granite	0.3	0.5	$0.036	0/2	75.8s
Total teste 2 Teste greșite 2 Cost total $0.036 Timp de răspuns (mediu) 75.8s
#380	Granite 4.2 8B none	IBM Granite	0.3	0.4	$0.037	0/2	79.5s
Total teste 2 Teste greșite 2 Cost total $0.037 Timp de răspuns (mediu) 79.5s
#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
#199	Mercury 2.5 Preview medium	Inception	1.0	0.7	$0.039	2/2	1.35s
Total teste 2 Teste greșite 0 Cost total $0.039 Timp de răspuns (mediu) 1.35s
#224	Mercury 2.5 Preview high	Inception	1.0	0.6	$0.040	2/2	1.05s
Total teste 2 Teste greșite 0 Cost total $0.040 Timp de răspuns (mediu) 1.05s
#305	Nemotron 3.5 Super VL none	NVIDIA	1.0	0.6	$0.040	2/2	4.08s
Total teste 2 Teste greșite 0 Cost total $0.040 Timp de răspuns (mediu) 4.08s
#353	Qwen3.5-9B none	Qwen	0.7	0.5	$0.041	1/2	514ms
Total teste 2 Teste greșite 1 Cost total $0.041 Timp de răspuns (mediu) 514ms
#322	GPT-5.6 Luna none	OpenAI	0.7	0.5	$0.042	1/2	1.23s
Total teste 2 Teste greșite 1 Cost total $0.042 Timp de răspuns (mediu) 1.23s
#374	Hy3 preview low	Tencent	1.0	0.5	$0.042	2/2	16.0s
Total teste 2 Teste greșite 0 Cost total $0.042 Timp de răspuns (mediu) 16.0s
#333	MiMo-V2-Flash medium	Xiaomi	1.0	0.5	$0.043	2/2	4.28s
Total teste 2 Teste greșite 0 Cost total $0.043 Timp de răspuns (mediu) 4.28s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)