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)
#120	Qwen3.8 2.4T A95B high	Qwen	1.0	0.8	$2.949	2/2	11.4s
Total teste 2 Teste greșite 0 Cost total $2.949 Timp de răspuns (mediu) 11.4s
#160	Grok 4.7 medium	X AI	0.8	0.7	$2.938	1/2	6.68s
Total teste 2 Teste greșite 1 Cost total $2.938 Timp de răspuns (mediu) 6.68s
#28	Claude Opus 5 medium	Anthropic	1.0	0.9	$2.870	2/2	4.16s
Total teste 2 Teste greșite 0 Cost total $2.870 Timp de răspuns (mediu) 4.16s
#175	Claude Opus 5 none	Anthropic	1.0	0.7	$2.766	2/2	2.81s
Total teste 2 Teste greșite 0 Cost total $2.766 Timp de răspuns (mediu) 2.81s
#92	Gemini 3.5 Flash high	Google	1.0	0.8	$2.737	2/2	3.35s
Total teste 2 Teste greșite 0 Cost total $2.737 Timp de răspuns (mediu) 3.35s
#21	GPT-6 Astra medium	OpenAI	1.0	0.9	$2.707	2/2	2.86s
Total teste 2 Teste greșite 0 Cost total $2.707 Timp de răspuns (mediu) 2.86s
#99	Grok 4.5 high	X AI	1.0	0.8	$2.687	2/2	6.23s
Total teste 2 Teste greșite 0 Cost total $2.687 Timp de răspuns (mediu) 6.23s
#40	Muse Wonder low	Meta	0.7	0.9	$2.637	1/2	2.08s
Total teste 2 Teste greșite 1 Cost total $2.637 Timp de răspuns (mediu) 2.08s
#76	Grok 4.6 high	X AI	1.0	0.9	$2.629	2/2	13.8s
Total teste 2 Teste greșite 0 Cost total $2.629 Timp de răspuns (mediu) 13.8s
#87	Muse Spark 1.1 high	Meta	0.6	0.8	$2.570	1/2	7.81s
Total teste 2 Teste greșite 1 Cost total $2.570 Timp de răspuns (mediu) 7.81s
#191	Ember-1 high	Fireworks	0.7	0.7	$2.405	1/2	33.4s
Total teste 2 Teste greșite 1 Cost total $2.405 Timp de răspuns (mediu) 33.4s
#50	Claude Opus 5 low	Anthropic	1.0	0.9	$2.350	2/2	4.13s
Total teste 2 Teste greșite 0 Cost total $2.350 Timp de răspuns (mediu) 4.13s
#195	Claude Opus 4.8 none	Anthropic	1.0	0.7	$2.334	2/2	1.37s
Total teste 2 Teste greșite 0 Cost total $2.334 Timp de răspuns (mediu) 1.37s
#383	Gemini 3.1 Flash Lite Preview high	Google	1.0	0.4	$2.310	2/2	64.0s
Total teste 2 Teste greșite 0 Cost total $2.310 Timp de răspuns (mediu) 64.0s
#127	Grok 4.6 medium	X AI	1.0	0.8	$2.270	2/2	12.8s
Total teste 2 Teste greșite 0 Cost total $2.270 Timp de răspuns (mediu) 12.8s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)