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)
#34	Claude Sonnet 5.5 max	Anthropic	0.9	0.9	$8.557	1/2	6.24s
Total teste 2 Teste greșite 1 Cost total $8.557 Timp de răspuns (mediu) 6.24s
#8	GPT-6 Astra xhigh	OpenAI	1.0	1.0	$6.213	2/2	4.91s
Total teste 2 Teste greșite 0 Cost total $6.213 Timp de răspuns (mediu) 4.91s
#391	Grok 4.20 Multi Agent Beta medium	X AI	1.0	0.4	$5.599	2/2	3.52s
Total teste 2 Teste greșite 0 Cost total $5.599 Timp de răspuns (mediu) 3.52s
#57	Claude Fable 5 medium	Anthropic	1.0	0.9	$5.089	2/2	5.90s
Total teste 2 Teste greșite 0 Cost total $5.089 Timp de răspuns (mediu) 5.90s
#5	GPT-6 Astra max	OpenAI	1.0	1.0	$5.044	2/2	6.34s
Total teste 2 Teste greșite 0 Cost total $5.044 Timp de răspuns (mediu) 6.34s
#33	GPT-5.5 medium	OpenAI	1.0	0.9	$4.809	2/2	3.36s
Total teste 2 Teste greșite 0 Cost total $4.809 Timp de răspuns (mediu) 3.36s
#122	Muse Wonder max	Meta	0.8	0.8	$4.766	1/2	13.2s
Total teste 2 Teste greșite 1 Cost total $4.766 Timp de răspuns (mediu) 13.2s
#89	GLM 5.2 high	Z.ai	1.0	0.8	$4.632	2/2	4.26s
Total teste 2 Teste greșite 0 Cost total $4.632 Timp de răspuns (mediu) 4.26s
#27	Claude Opus 5 high	Anthropic	1.0	0.9	$4.524	2/2	4.78s
Total teste 2 Teste greșite 0 Cost total $4.524 Timp de răspuns (mediu) 4.78s
#185	Step 5 Preview high	Stepfun	0.7	0.7	$4.513	1/2	20.5s
Total teste 2 Teste greșite 1 Cost total $4.513 Timp de răspuns (mediu) 20.5s
#7	GPT-6 Astra high	OpenAI	1.0	1.0	$4.458	2/2	3.58s
Total teste 2 Teste greșite 0 Cost total $4.458 Timp de răspuns (mediu) 3.58s
#271	Step 5 Preview medium	Stepfun	1.0	0.6	$4.136	2/2	4.23s
Total teste 2 Teste greșite 0 Cost total $4.136 Timp de răspuns (mediu) 4.23s
#302	Step 5 Preview low	Stepfun	1.0	0.6	$4.110	2/2	6.78s
Total teste 2 Teste greșite 0 Cost total $4.110 Timp de răspuns (mediu) 6.78s
#82	Qwen3.8 2.4T A95B low	Qwen	1.0	0.8	$4.016	2/2	19.5s
Total teste 2 Teste greșite 0 Cost total $4.016 Timp de răspuns (mediu) 19.5s
#139	Muse Wonder xhigh	Meta	0.7	0.8	$4.012	1/2	2.64s
Total teste 2 Teste greșite 1 Cost total $4.012 Timp de răspuns (mediu) 2.64s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)