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)
#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
#284	Claude Sonnet 5 none	Anthropic	0.6	0.6	$1.095	1/2	2.58s
Total teste 2 Teste greșite 1 Cost total $1.095 Timp de răspuns (mediu) 2.58s
#301	Solar Pro 4 none	Upstage	0.6	0.6	$0.022	1/2	1.67s
Total teste 2 Teste greșite 1 Cost total $0.022 Timp de răspuns (mediu) 1.67s
#338	MiMo-V2.5-Pro none	Xiaomi	0.6	0.5	$0.135	1/2	1.03s
Total teste 2 Teste greșite 1 Cost total $0.135 Timp de răspuns (mediu) 1.03s
#351	Ling 2.6 1t default	Inclusionai	0.6	0.5	$0.016	1/2	5.36s
Total teste 2 Teste greșite 1 Cost total $0.016 Timp de răspuns (mediu) 5.36s
#372	Owl Alpha default	Openrouter	0.6	0.5	$0.000	1/2	2.63s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 2.63s
#406	Hunter Alpha default	OpenRouter	0.6	0.3	$0.000	1/2	2.82s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 2.82s
#87	Muse Spark 1.1 high	Meta	0.6	0.8	$2.570	1/2	7.81s
Total teste 2 Teste greșite 1 Cost total $2.570 Timp de răspuns (mediu) 7.81s
#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
#144	GLM 5.1 medium	Z.ai	0.6	0.8	$1.546	1/2	7.47s
Total teste 2 Teste greșite 1 Cost total $1.546 Timp de răspuns (mediu) 7.47s
#233	Gemini 3 Flash Preview none	Google	0.6	0.6	$0.155	1/2	1.58s
Total teste 2 Teste greșite 1 Cost total $0.155 Timp de răspuns (mediu) 1.58s
#240	Gemini 3.5 Flash minimal	Google	0.6	0.6	$0.508	1/2	893ms
Total teste 2 Teste greșite 1 Cost total $0.508 Timp de răspuns (mediu) 893ms
#320	Ember-1 none	Fireworks	0.6	0.5	$0.786	1/2	31.0s
Total teste 2 Teste greșite 1 Cost total $0.786 Timp de răspuns (mediu) 31.0s
#362	Granite 4.2 8B high	IBM Granite	0.6	0.5	$0.111	1/2	87.5s
Total teste 2 Teste greșite 1 Cost total $0.111 Timp de răspuns (mediu) 87.5s
#39	Muse Spark 1.3 high	Meta	0.7	0.9	$1.891	1/2	14.7s
Total teste 2 Teste greșite 1 Cost total $1.891 Timp de răspuns (mediu) 14.7s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)