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)
#435	Gemini 3 Flash Preview high	Google	0.0	0.2	$0.105	0/0	0ms
Total teste 0 Teste greșite 0 Cost total $0.105 Timp de răspuns (mediu) 0ms
#442	Claude Opus 5.5 none	Anthropic	0.0	0.2	$0.015	0/0	0ms
Total teste 0 Teste greșite 0 Cost total $0.015 Timp de răspuns (mediu) 0ms
#421	d1-ultra default	Liquid	0.2	0.3	$0.003	0/1	571ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 571ms
#423	Jev 1.13 default	Typesafe	0.2	0.3	$0.003	0/1	557ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 557ms
#424	Decider V1.2 default	Perplexity	0.2	0.3	$0.001	0/1	508ms
Total teste 1 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 508ms
#425	Decider V1.1 27B default	Perplexity	0.2	0.3	$0.002	0/1	333ms
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 333ms
#426	Drex v1.5 default	Nace AI	0.2	0.2	$0.002	0/1	1.33s
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 1.33s
#427	GPT-6 Luna Decisions default	OpenAI	0.2	0.2	$0.005	0/1	842ms
Total teste 1 Teste greșite 1 Cost total $0.005 Timp de răspuns (mediu) 842ms
#428	Kev 4B default	Jaredpalmer	0.2	0.2	$0.002	0/1	17.3s
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 17.3s
#429	Jev 1.14 default	Typesafe	0.2	0.2	$0.003	0/1	543ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 543ms
#430	Classify-1 default	Scaledown	0.2	0.2	$0.008	0/1	4.26s
Total teste 1 Teste greșite 1 Cost total $0.008 Timp de răspuns (mediu) 4.26s
#431	Clef Omni default	Cloudflare	0.2	0.2	$0.011	0/1	904ms
Total teste 1 Teste greșite 1 Cost total $0.011 Timp de răspuns (mediu) 904ms
#432	Decider Flash V1.2 default	Perplexity	0.2	0.2	$0.001	0/1	424ms
Total teste 1 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 424ms
#434	D1 default	Liquid	0.2	0.2	$0.003	0/1	820ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 820ms
#437	Solar Decide Flash default	Upstage	0.2	0.2	$0.003	0/1	1.66s
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 1.66s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)