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

Claude Sonnet 5.5 0.9

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)
#346	Grok 4.20 Beta medium	X AI	1.0	0.5	$0.750	2/2	4.89s
Total teste 2 Teste greșite 0 Cost total $0.750 Timp de răspuns (mediu) 4.89s
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	1.0	0.6	$0.742	2/2	2.61s
Total teste 2 Teste greșite 0 Cost total $0.742 Timp de răspuns (mediu) 2.61s
#248	Gemini 3.1 Flash Lite Preview low	Google	1.0	0.6	$0.736	2/2	1.49s
Total teste 2 Teste greșite 0 Cost total $0.736 Timp de răspuns (mediu) 1.49s
#249	Gemini 3.1 Flash Lite low	Google	1.0	0.6	$0.717	2/2	1.52s
Total teste 2 Teste greșite 0 Cost total $0.717 Timp de răspuns (mediu) 1.52s
#245	Qwen3.5-35B-A3B medium	Qwen	1.0	0.6	$0.716	2/2	24.4s
Total teste 2 Teste greșite 0 Cost total $0.716 Timp de răspuns (mediu) 24.4s
#19	GPT-6 Sol medium	OpenAI	1.0	0.9	$0.703	2/2	2.00s
Total teste 2 Teste greșite 0 Cost total $0.703 Timp de răspuns (mediu) 2.00s
#90	GPT-5.6 Terra high	OpenAI	1.0	0.8	$0.698	2/2	2.14s
Total teste 2 Teste greșite 0 Cost total $0.698 Timp de răspuns (mediu) 2.14s
#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
#226	Beam 1.0 501B A23B xhigh	Reflection	1.0	0.6	$0.688	2/2	1.15s
Total teste 2 Teste greșite 0 Cost total $0.688 Timp de răspuns (mediu) 1.15s
#355	Mimo V2 Omni medium	Xiaomi	0.8	0.5	$0.683	1/2	4.99s
Total teste 2 Teste greșite 1 Cost total $0.683 Timp de răspuns (mediu) 4.99s
#161	Gemini 2.5 Flash medium	Google	1.0	0.7	$0.680	2/2	2.62s
Total teste 2 Teste greșite 0 Cost total $0.680 Timp de răspuns (mediu) 2.62s
#109	Nemotron 3 Ultra medium	NVIDIA	1.0	0.8	$0.674	2/2	6.35s
Total teste 2 Teste greșite 0 Cost total $0.674 Timp de răspuns (mediu) 6.35s
#266	Beam 1.0 501B A23B high	Reflection	1.0	0.6	$0.674	2/2	1.27s
Total teste 2 Teste greșite 0 Cost total $0.674 Timp de răspuns (mediu) 1.27s
#49	Gemini 4 Argon medium	Google	1.0	0.9	$0.674	2/2	2.71s
Total teste 2 Teste greșite 0 Cost total $0.674 Timp de răspuns (mediu) 2.71s
#260	KAT-Coder-Pro V2.5 medium	Kwaipilot	1.0	0.6	$0.669	2/2	2.58s
Total teste 2 Teste greșite 0 Cost total $0.669 Timp de răspuns (mediu) 2.58s

←

1 9 10 11 30

→

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)