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)
#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
#300	GPT-5.4 none	OpenAI	0.7	0.6	$0.690	1/2	1.07s
Total teste 2 Teste greșite 1 Cost total $0.690 Timp de răspuns (mediu) 1.07s
#307	Kimi K2.6 none	Moonshot AI	0.7	0.5	$0.486	1/2	1.64s
Total teste 2 Teste greșite 1 Cost total $0.486 Timp de răspuns (mediu) 1.64s
#318	MiMo-V2.6-Flash none	Xiaomi	0.7	0.5	$0.060	1/2	810ms
Total teste 2 Teste greșite 1 Cost total $0.060 Timp de răspuns (mediu) 810ms
#324	Kimi K2.5 none	Moonshot AI	0.7	0.5	$0.262	1/2	2.67s
Total teste 2 Teste greșite 1 Cost total $0.262 Timp de răspuns (mediu) 2.67s
#335	Mistral Small 4 none	Mistral	0.7	0.5	$0.047	1/2	380ms
Total teste 2 Teste greșite 1 Cost total $0.047 Timp de răspuns (mediu) 380ms
#352	MiMo-V2.5 none	Xiaomi	0.7	0.5	$0.049	1/2	751ms
Total teste 2 Teste greșite 1 Cost total $0.049 Timp de răspuns (mediu) 751ms
#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
#357	GLM 4.7 Flash none	Z.ai	0.7	0.5	$0.027	1/2	888ms
Total teste 2 Teste greșite 1 Cost total $0.027 Timp de răspuns (mediu) 888ms
#360	North Mini Code default	Cohere	0.7	0.5	$0.000	1/2	30.7s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 30.7s
#367	GLM 5V Turbo none	Z.ai	0.7	0.5	$0.052	1/2	1.97s
Total teste 2 Teste greșite 1 Cost total $0.052 Timp de răspuns (mediu) 1.97s
#370	Owl Alpha medium	Openrouter	0.7	0.5	$0.000	1/2	10.2s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 10.2s
#371	Mimo V2 PRO default	Xiaomi	0.7	0.5	$0.045	1/2	2.51s
Total teste 2 Teste greșite 1 Cost total $0.045 Timp de răspuns (mediu) 2.51s
#376	Mimo V2 Omni default	Xiaomi	0.7	0.4	$0.021	1/2	4.26s
Total teste 2 Teste greșite 1 Cost total $0.021 Timp de răspuns (mediu) 4.26s
#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

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)