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)
#169	Claude Opus 4.8 low	Anthropic	1.0	0.7	$3.787	2/2	2.78s
Total teste 2 Teste greșite 0 Cost total $3.787 Timp de răspuns (mediu) 2.78s
#105	Claude Opus 4.7 medium	Anthropic	1.0	0.8	$3.636	2/2	1.57s
Total teste 2 Teste greșite 0 Cost total $3.636 Timp de răspuns (mediu) 1.57s
#95	Claude Opus 4.8 medium	Anthropic	1.0	0.8	$3.490	2/2	3.32s
Total teste 2 Teste greșite 0 Cost total $3.490 Timp de răspuns (mediu) 3.32s
#116	Claude Fable 5.1 high	Anthropic	1.0	0.8	$3.471	2/2	5.60s
Total teste 2 Teste greșite 0 Cost total $3.471 Timp de răspuns (mediu) 5.60s
#131	Muse Wonder high	Meta	0.7	0.8	$3.426	1/2	1.97s
Total teste 2 Teste greșite 1 Cost total $3.426 Timp de răspuns (mediu) 1.97s
#93	Kimi K3 max	Moonshot AI	1.0	0.8	$3.409	2/2	7.66s
Total teste 2 Teste greșite 0 Cost total $3.409 Timp de răspuns (mediu) 7.66s
#203	Grok 4.7 xhigh	X AI	1.0	0.7	$3.398	2/2	17.3s
Total teste 2 Teste greșite 0 Cost total $3.398 Timp de răspuns (mediu) 17.3s
#32	Muse Wonder medium	Meta	0.7	0.9	$3.397	1/2	3.88s
Total teste 2 Teste greșite 1 Cost total $3.397 Timp de răspuns (mediu) 3.88s
#264	Claude Fable 5.1 low	Anthropic	0.7	0.6	$3.395	1/2	5.24s
Total teste 2 Teste greșite 1 Cost total $3.395 Timp de răspuns (mediu) 5.24s
#36	Qwen3.8 Max (0902) high	Qwen	1.0	0.9	$3.306	2/2	7.55s
Total teste 2 Teste greșite 0 Cost total $3.306 Timp de răspuns (mediu) 7.55s
#209	Ember-1 max	Fireworks	0.6	0.7	$3.264	1/2	33.0s
Total teste 2 Teste greșite 1 Cost total $3.264 Timp de răspuns (mediu) 33.0s
#159	Claude Fable 5.1 medium	Anthropic	0.7	0.7	$3.197	1/2	5.77s
Total teste 2 Teste greșite 1 Cost total $3.197 Timp de răspuns (mediu) 5.77s
#207	Grok 4.7 high	X AI	0.8	0.7	$3.037	1/2	14.1s
Total teste 2 Teste greșite 1 Cost total $3.037 Timp de răspuns (mediu) 14.1s
#124	Grok 4.5 medium	X AI	1.0	0.8	$2.996	2/2	6.06s
Total teste 2 Teste greșite 0 Cost total $2.996 Timp de răspuns (mediu) 6.06s
#253	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	2.43s
Total teste 2 Teste greșite 0 Cost total $2.961 Timp de răspuns (mediu) 2.43s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)