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)
#380	Granite 4.2 8B none	IBM Granite	0.3	0.4	$0.037	0/2	79.5s
Total teste 2 Teste greșite 2 Cost total $0.037 Timp de răspuns (mediu) 79.5s
#323	Granite 4.2 8B low	IBM Granite	0.3	0.5	$0.036	0/2	75.8s
Total teste 2 Teste greșite 2 Cost total $0.036 Timp de răspuns (mediu) 75.8s
#239	Mercury 2.5 medium	Inception	0.6	0.6	$0.034	1/2	1.07s
Total teste 2 Teste greșite 1 Cost total $0.034 Timp de răspuns (mediu) 1.07s
#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
#394	Laguna M.1 medium	Poolside	1.0	0.4	$0.033	2/2	4.30s
Total teste 2 Teste greșite 0 Cost total $0.033 Timp de răspuns (mediu) 4.30s
#141	GPT-6 Luna low	OpenAI	0.7	0.8	$0.033	1/2	17.4s
Total teste 2 Teste greșite 1 Cost total $0.033 Timp de răspuns (mediu) 17.4s
#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
#311	Gemma 4 26B A4B none	Google	0.6	0.5	$0.031	1/2	690ms
Total teste 2 Teste greșite 1 Cost total $0.031 Timp de răspuns (mediu) 690ms
#281	gpt-oss-120b medium	OpenAI	1.0	0.6	$0.030	2/2	7.63s
Total teste 2 Teste greșite 0 Cost total $0.030 Timp de răspuns (mediu) 7.63s
#272	Granite 4.2 8B medium	IBM Granite	0.4	0.6	$0.029	0/2	36.9s
Total teste 2 Teste greșite 2 Cost total $0.029 Timp de răspuns (mediu) 36.9s
#286	Qwen3.7 Flash none	Qwen	0.6	0.6	$0.028	1/2	892ms
Total teste 2 Teste greșite 1 Cost total $0.028 Timp de răspuns (mediu) 892ms
#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
#388	Mercury 2.5 none	Inception	0.5	0.4	$0.026	0/2	493ms
Total teste 2 Teste greșite 2 Cost total $0.026 Timp de răspuns (mediu) 493ms
#375	Ring 2.6 1t default	Inclusionai	1.0	0.4	$0.026	2/2	27.4s
Total teste 2 Teste greșite 0 Cost total $0.026 Timp de răspuns (mediu) 27.4s
#310	GPT-6 Luna none	OpenAI	0.6	0.5	$0.026	1/2	17.0s
Total teste 2 Teste greșite 1 Cost total $0.026 Timp de răspuns (mediu) 17.0s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)