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)
#411	MiMo-V2-Flash default	Xiaomi	0.7	0.3	$0.025	1/2	857ms
Total teste 2 Teste greșite 1 Cost total $0.025 Timp de răspuns (mediu) 857ms
#344	GPT-4o-mini default	OpenAI	0.6	0.5	$0.024	1/2	1.11s
Total teste 2 Teste greșite 1 Cost total $0.024 Timp de răspuns (mediu) 1.11s
#358	Mercury 2.5 Preview default	Inception	0.6	0.5	$0.023	1/2	1.26s
Total teste 2 Teste greșite 1 Cost total $0.023 Timp de răspuns (mediu) 1.26s
#301	Solar Pro 4 none	Upstage	0.6	0.6	$0.022	1/2	1.67s
Total teste 2 Teste greșite 1 Cost total $0.022 Timp de răspuns (mediu) 1.67s
#376	Mimo V2 Omni default	Xiaomi	0.7	0.4	$0.021	1/2	4.26s
Total teste 2 Teste greșite 1 Cost total $0.021 Timp de răspuns (mediu) 4.26s
#290	Ling 3.0 Flash high	Inclusionai	1.0	0.6	$0.021	2/2	1.85s
Total teste 2 Teste greșite 0 Cost total $0.021 Timp de răspuns (mediu) 1.85s
#433	Step 3.5 Flash none	Stepfun	0.5	0.2	$0.020	1/1	9.30s
Total teste 1 Teste greșite 0 Cost total $0.020 Timp de răspuns (mediu) 9.30s
#336	Mercury 2.5 low	Inception	0.3	0.5	$0.020	0/2	972ms
Total teste 2 Teste greșite 2 Cost total $0.020 Timp de răspuns (mediu) 972ms
#326	Laguna XS 2.1 none	Poolside	0.4	0.5	$0.020	0/2	364ms
Total teste 2 Teste greșite 2 Cost total $0.020 Timp de răspuns (mediu) 364ms
#309	Gemini 2.5 Flash none	Google	1.0	0.5	$0.017	2/2	590ms
Total teste 2 Teste greșite 0 Cost total $0.017 Timp de răspuns (mediu) 590ms
#377	Nemotron 3 Super none	NVIDIA	0.6	0.4	$0.016	1/2	804ms
Total teste 2 Teste greșite 1 Cost total $0.016 Timp de răspuns (mediu) 804ms
#386	gpt-oss-120b none	OpenAI	1.0	0.4	$0.016	2/2	5.06s
Total teste 2 Teste greșite 0 Cost total $0.016 Timp de răspuns (mediu) 5.06s
#351	Ling 2.6 1t default	Inclusionai	0.6	0.5	$0.016	1/2	5.36s
Total teste 2 Teste greșite 1 Cost total $0.016 Timp de răspuns (mediu) 5.36s
#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
#341	Mercury 2.5 Preview low	Inception	0.6	0.5	$0.015	1/2	1.60s
Total teste 2 Teste greșite 1 Cost total $0.015 Timp de răspuns (mediu) 1.60s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)