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)
#65	GPT-5.2 medium	OpenAI	1.0	0.9	$1.558	2/2	3.12s
Total teste 2 Teste greșite 0 Cost total $1.558 Timp de răspuns (mediu) 3.12s
#144	GLM 5.1 medium	Z.ai	0.6	0.8	$1.546	1/2	7.47s
Total teste 2 Teste greșite 1 Cost total $1.546 Timp de răspuns (mediu) 7.47s
#41	Pareto default	Unbiased	1.0	0.9	$1.520	2/2	4.95s
Total teste 2 Teste greșite 0 Cost total $1.520 Timp de răspuns (mediu) 4.95s
#72	Claude Sonnet 5.5 xhigh	Anthropic	1.0	0.9	$1.516	2/2	4.58s
Total teste 2 Teste greșite 0 Cost total $1.516 Timp de răspuns (mediu) 4.58s
#184	Ember-1 low	Fireworks	0.6	0.7	$1.488	1/2	32.7s
Total teste 2 Teste greșite 1 Cost total $1.488 Timp de răspuns (mediu) 32.7s
#219	Step 3.7 Flash high	Stepfun	1.0	0.7	$1.478	2/2	1.52s
Total teste 2 Teste greșite 0 Cost total $1.478 Timp de răspuns (mediu) 1.52s
#147	Seed-2.0-Code high	Bytedance Seed	1.0	0.7	$1.448	2/2	11.3s
Total teste 2 Teste greșite 0 Cost total $1.448 Timp de răspuns (mediu) 11.3s
#78	Claude Sonnet 5 medium	Anthropic	1.0	0.9	$1.438	2/2	3.10s
Total teste 2 Teste greșite 0 Cost total $1.438 Timp de răspuns (mediu) 3.10s
#204	Grok Build 0.1 medium	X AI	1.0	0.7	$1.419	2/2	12.4s
Total teste 2 Teste greșite 0 Cost total $1.419 Timp de răspuns (mediu) 12.4s
#146	Mistral Large 4 high	Mistral	0.8	0.8	$1.391	1/2	22.0s
Total teste 2 Teste greșite 1 Cost total $1.391 Timp de răspuns (mediu) 22.0s
#6	GPT-6.1 Sol xhigh	OpenAI	1.0	1.0	$1.377	2/2	3.78s
Total teste 2 Teste greșite 0 Cost total $1.377 Timp de răspuns (mediu) 3.78s
#129	Grok 4.5 low	X AI	1.0	0.8	$1.345	2/2	2.80s
Total teste 2 Teste greșite 0 Cost total $1.345 Timp de răspuns (mediu) 2.80s
#37	GPT-5.3-Codex medium	OpenAI	1.0	0.9	$1.318	2/2	3.04s
Total teste 2 Teste greșite 0 Cost total $1.318 Timp de răspuns (mediu) 3.04s
#119	Gemini 3.5 Flash medium	Google	1.0	0.8	$1.316	2/2	2.70s
Total teste 2 Teste greșite 0 Cost total $1.316 Timp de răspuns (mediu) 2.70s
#151	Seed-2.0-Code medium	Bytedance Seed	1.0	0.7	$1.275	2/2	10.3s
Total teste 2 Teste greșite 0 Cost total $1.275 Timp de răspuns (mediu) 10.3s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)