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)
#61	Muse Spark Open medium	Meta	0.7	0.9	$1.260	1/2	18.4s
Total teste 2 Teste greșite 1 Cost total $1.260 Timp de răspuns (mediu) 18.4s
#258	Grok 4.20 medium	X AI	1.0	0.6	$1.246	2/2	4.26s
Total teste 2 Teste greșite 0 Cost total $1.246 Timp de răspuns (mediu) 4.26s
#13	GPT-5.6 Sol low	OpenAI	1.0	1.0	$1.244	2/2	2.27s
Total teste 2 Teste greșite 0 Cost total $1.244 Timp de răspuns (mediu) 2.27s
#86	Inkling high	Thinkingmachines	1.0	0.8	$1.238	2/2	7.00s
Total teste 2 Teste greșite 0 Cost total $1.238 Timp de răspuns (mediu) 7.00s
#214	GPT-5.5 none	OpenAI	0.6	0.7	$1.212	1/2	1.15s
Total teste 2 Teste greșite 1 Cost total $1.212 Timp de răspuns (mediu) 1.15s
#70	DeepSeek V4.1 Flash max	DeepSeek	1.0	0.9	$1.204	2/2	7.64s
Total teste 2 Teste greșite 0 Cost total $1.204 Timp de răspuns (mediu) 7.64s
#35	Qwen3.8 MAX medium	Qwen	1.0	0.9	$1.181	2/2	3.49s
Total teste 2 Teste greșite 0 Cost total $1.181 Timp de răspuns (mediu) 3.49s
#73	Claude Sonnet 5.5 high	Anthropic	1.0	0.9	$1.175	2/2	5.13s
Total teste 2 Teste greșite 0 Cost total $1.175 Timp de răspuns (mediu) 5.13s
#186	Qwen3.5-122B-A10B medium	Qwen	1.0	0.7	$1.152	2/2	9.88s
Total teste 2 Teste greșite 0 Cost total $1.152 Timp de răspuns (mediu) 9.88s
#183	Kimi K2.7 Code medium	Moonshot AI	1.0	0.7	$1.136	2/2	5.39s
Total teste 2 Teste greșite 0 Cost total $1.136 Timp de răspuns (mediu) 5.39s
#114	Qwen3.5-27B medium	Qwen	1.0	0.8	$1.135	2/2	19.7s
Total teste 2 Teste greșite 0 Cost total $1.135 Timp de răspuns (mediu) 19.7s
#181	Qwen3.6 Max Preview medium	Qwen	1.0	0.7	$1.132	2/2	24.3s
Total teste 2 Teste greșite 0 Cost total $1.132 Timp de răspuns (mediu) 24.3s
#75	Qwen3.8 Max (0902) low	Qwen	1.0	0.9	$1.131	2/2	4.32s
Total teste 2 Teste greșite 0 Cost total $1.131 Timp de răspuns (mediu) 4.32s
#117	GPT-5.4 Mini medium	OpenAI	1.0	0.8	$1.102	2/2	2.13s
Total teste 2 Teste greșite 0 Cost total $1.102 Timp de răspuns (mediu) 2.13s
#222	Claude Sonnet 5.5 medium	Anthropic	0.6	0.7	$1.100	1/2	1.88s
Total teste 2 Teste greșite 1 Cost total $1.100 Timp de răspuns (mediu) 1.88s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)