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)
#60	GPT-5.4 medium	OpenAI	1.0	0.9	$2.213	2/2	3.11s
Total teste 2 Teste greșite 0 Cost total $2.213 Timp de răspuns (mediu) 3.11s
#14	GPT-6 Astra low	OpenAI	1.0	1.0	$2.160	2/2	2.65s
Total teste 2 Teste greșite 0 Cost total $2.160 Timp de răspuns (mediu) 2.65s
#25	Claude Opus 5.5 high	Anthropic	1.0	0.9	$2.133	2/2	21.3s
Total teste 2 Teste greșite 0 Cost total $2.133 Timp de răspuns (mediu) 21.3s
#236	Claude Sonnet 4.6 medium	Anthropic	1.0	0.6	$2.126	2/2	2.61s
Total teste 2 Teste greșite 0 Cost total $2.126 Timp de răspuns (mediu) 2.61s
#44	Muse Spark Open xhigh	Meta	1.0	0.9	$2.081	2/2	23.5s
Total teste 2 Teste greșite 0 Cost total $2.081 Timp de răspuns (mediu) 23.5s
#366	Gemini 3.1 Flash Lite high	Google	0.7	0.5	$2.044	1/2	23.3s
Total teste 2 Teste greșite 1 Cost total $2.044 Timp de răspuns (mediu) 23.3s
#68	Seed 2.1 Turbo medium	Bytedance Seed	1.0	0.9	$2.042	2/2	7.48s
Total teste 2 Teste greșite 0 Cost total $2.042 Timp de răspuns (mediu) 7.48s
#54	Muse Spark 1.2 high	Meta	1.0	0.9	$2.018	2/2	5.43s
Total teste 2 Teste greșite 0 Cost total $2.018 Timp de răspuns (mediu) 5.43s
#153	Grok 4.7 low	X AI	0.8	0.7	$1.933	1/2	6.19s
Total teste 2 Teste greșite 1 Cost total $1.933 Timp de răspuns (mediu) 6.19s
#2	Gemini 3.8 Flash high	Google	1.0	1.0	$1.927	2/2	4.73s
Total teste 2 Teste greșite 0 Cost total $1.927 Timp de răspuns (mediu) 4.73s
#42	Seed 2.1 Turbo high	Bytedance Seed	1.0	0.9	$1.892	2/2	7.66s
Total teste 2 Teste greșite 0 Cost total $1.892 Timp de răspuns (mediu) 7.66s
#39	Muse Spark 1.3 high	Meta	0.7	0.9	$1.891	1/2	14.7s
Total teste 2 Teste greșite 1 Cost total $1.891 Timp de răspuns (mediu) 14.7s
#58	Pareto 26.9 default	Unbiased	1.0	0.9	$1.864	2/2	3.82s
Total teste 2 Teste greșite 0 Cost total $1.864 Timp de răspuns (mediu) 3.82s
#317	Hy4 preview low	Tencent	1.0	0.5	$1.844	2/2	77.7s
Total teste 2 Teste greșite 0 Cost total $1.844 Timp de răspuns (mediu) 77.7s
#23	GPT-5.5 low	OpenAI	1.0	0.9	$1.822	2/2	3.74s
Total teste 2 Teste greșite 0 Cost total $1.822 Timp de răspuns (mediu) 3.74s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)