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)
#108	GPT-5.6 Luna high	OpenAI	1.0	0.8	$0.118	2/2	1.79s
Total teste 2 Teste greșite 0 Cost total $0.118 Timp de răspuns (mediu) 1.79s
#165	Qwen3.5-27B none	Qwen	0.6	0.7	$0.116	1/2	1.03s
Total teste 2 Teste greșite 1 Cost total $0.116 Timp de răspuns (mediu) 1.03s
#279	Seed-2.0-Lite none	Bytedance Seed	1.0	0.6	$0.114	2/2	1.06s
Total teste 2 Teste greșite 0 Cost total $0.114 Timp de răspuns (mediu) 1.06s
#177	GLM 5.3 FlashX medium	Z.ai	1.0	0.7	$0.114	2/2	1.51s
Total teste 2 Teste greșite 0 Cost total $0.114 Timp de răspuns (mediu) 1.51s
#278	Inkling Small medium	Thinkingmachines	0.8	0.6	$0.113	1/2	3.78s
Total teste 2 Teste greșite 1 Cost total $0.113 Timp de răspuns (mediu) 3.78s
#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
#368	Laguna S 2.1 low	Poolside	0.4	0.5	$0.108	0/2	423ms
Total teste 2 Teste greșite 2 Cost total $0.108 Timp de răspuns (mediu) 423ms
#390	Qwen3.5-9B medium	Qwen	0.7	0.4	$0.106	1/2	5.75s
Total teste 2 Teste greșite 1 Cost total $0.106 Timp de răspuns (mediu) 5.75s
#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
#319	Step 3.5 Flash medium	Stepfun	0.8	0.5	$0.105	1/2	4.78s
Total teste 2 Teste greșite 1 Cost total $0.105 Timp de răspuns (mediu) 4.78s
#327	Qwen3.6 35B A3B none	Qwen	0.6	0.5	$0.105	1/2	1.86s
Total teste 2 Teste greșite 1 Cost total $0.105 Timp de răspuns (mediu) 1.86s
#244	LongCat 2.0 none	Meituan	0.7	0.6	$0.104	1/2	2.82s
Total teste 2 Teste greșite 1 Cost total $0.104 Timp de răspuns (mediu) 2.82s
#291	Ring 2.6 1t medium	Inclusionai	1.0	0.6	$0.102	2/2	11.8s
Total teste 2 Teste greșite 0 Cost total $0.102 Timp de răspuns (mediu) 11.8s
#157	Gemma 4 26B A4B medium	Google	1.0	0.7	$0.101	2/2	17.5s
Total teste 2 Teste greșite 0 Cost total $0.101 Timp de răspuns (mediu) 17.5s
#206	Solar Pro 4 low	Upstage	0.8	0.7	$0.101	1/2	56.4s
Total teste 2 Teste greșite 1 Cost total $0.101 Timp de răspuns (mediu) 56.4s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)