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)
#46	Qwen3.8 Max (0902) medium	Qwen	1.0	0.9	$1.096	2/2	4.24s
Total teste 2 Teste greșite 0 Cost total $1.096 Timp de răspuns (mediu) 4.24s
#284	Claude Sonnet 5 none	Anthropic	0.6	0.6	$1.095	1/2	2.58s
Total teste 2 Teste greșite 1 Cost total $1.095 Timp de răspuns (mediu) 2.58s
#59	Qwen3.8 MAX low	Qwen	1.0	0.9	$1.089	2/2	4.01s
Total teste 2 Teste greșite 0 Cost total $1.089 Timp de răspuns (mediu) 4.01s
#174	Qwen3.6 27B medium	Qwen	1.0	0.7	$1.021	2/2	38.0s
Total teste 2 Teste greșite 0 Cost total $1.021 Timp de răspuns (mediu) 38.0s
#100	GLM 5.2 medium	Z.ai	1.0	0.8	$1.007	2/2	7.90s
Total teste 2 Teste greșite 0 Cost total $1.007 Timp de răspuns (mediu) 7.90s
#4	GPT-6.1 Sol max	OpenAI	1.0	1.0	$1.006	2/2	5.54s
Total teste 2 Teste greșite 0 Cost total $1.006 Timp de răspuns (mediu) 5.54s
#230	Grok 4.3 medium	X AI	1.0	0.6	$0.989	2/2	18.6s
Total teste 2 Teste greșite 0 Cost total $0.989 Timp de răspuns (mediu) 18.6s
#3	GPT-6 Sol high	OpenAI	1.0	1.0	$0.921	2/2	15.6s
Total teste 2 Teste greșite 0 Cost total $0.921 Timp de răspuns (mediu) 15.6s
#256	Trinity Large Thinking low	Arcee AI	0.4	0.6	$0.918	0/2	4.07s
Total teste 2 Teste greșite 2 Cost total $0.918 Timp de răspuns (mediu) 4.07s
#77	Muse Spark 1.3 low	Meta	1.0	0.9	$0.911	2/2	5.04s
Total teste 2 Teste greșite 0 Cost total $0.911 Timp de răspuns (mediu) 5.04s
#194	Claude Sonnet 5.5 low	Anthropic	0.6	0.7	$0.909	1/2	1.91s
Total teste 2 Teste greșite 1 Cost total $0.909 Timp de răspuns (mediu) 1.91s
#1	Gemini 3.6 Flash high	Google	1.0	1.0	$0.900	2/2	4.07s
Total teste 2 Teste greșite 0 Cost total $0.900 Timp de răspuns (mediu) 4.07s
#71	Muse Spark 1.1 low	Meta	0.7	0.9	$0.885	1/2	5.42s
Total teste 2 Teste greșite 1 Cost total $0.885 Timp de răspuns (mediu) 5.42s
#64	Muse Spark 1.2 low	Meta	1.0	0.9	$0.881	2/2	2.95s
Total teste 2 Teste greșite 0 Cost total $0.881 Timp de răspuns (mediu) 2.95s
#103	Seed-2.0-Code low	Bytedance Seed	1.0	0.8	$0.881	2/2	12.2s
Total teste 2 Teste greșite 0 Cost total $0.881 Timp de răspuns (mediu) 12.2s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)