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)
#423	Jev 1.13 default	Typesafe	0.2	0.3	$0.003	0/1	557ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 557ms
#429	Jev 1.14 default	Typesafe	0.2	0.2	$0.003	0/1	543ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 543ms
#437	Solar Decide Flash default	Upstage	0.2	0.2	$0.003	0/1	1.66s
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 1.66s
#421	d1-ultra default	Liquid	0.2	0.3	$0.003	0/1	571ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 571ms
#434	D1 default	Liquid	0.2	0.2	$0.003	0/1	820ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 820ms
#428	Kev 4B default	Jaredpalmer	0.2	0.2	$0.002	0/1	17.3s
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 17.3s
#438	Microsoft-Decision-1 default	Microsoft	0.2	0.1	$0.002	0/1	997ms
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 997ms
#426	Drex v1.5 default	Nace AI	0.2	0.2	$0.002	0/1	1.33s
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 1.33s
#373	Ling 2.6 Flash default	Inclusionai	1.0	0.5	$0.002	2/2	5.52s
Total teste 2 Teste greșite 0 Cost total $0.002 Timp de răspuns (mediu) 5.52s
#425	Decider V1.1 27B default	Perplexity	0.2	0.3	$0.002	0/1	333ms
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 333ms
#440	Tev1 4B Experimental default	Togethercomputer	0.2	1.0	$0.002	0/1	555ms
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 555ms
#424	Decider V1.2 default	Perplexity	0.2	0.3	$0.001	0/1	508ms
Total teste 1 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 508ms
#419	Span-02 default	Respan	0.5	0.3	$0.001	1/1	2.30s
Total teste 1 Teste greșite 0 Cost total $0.001 Timp de răspuns (mediu) 2.30s
#432	Decider Flash V1.2 default	Perplexity	0.2	0.2	$0.001	0/1	424ms
Total teste 1 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 424ms
#436	LFM2-24B-A2B default	Liquid	0.6	0.2	$0.001	1/2	752ms
Total teste 2 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 752ms

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)