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.

Modele afișate

Media pentru Scor Respectarea instrucțiunilor

0.8

Cel mai bun model

Gemini 3.6 Flash 1.0

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)
#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
#154	Inkling Small high	Thinkingmachines	1.0	0.7	$0.398	2/2	3.94s
Total teste 2 Teste greșite 0 Cost total $0.398 Timp de răspuns (mediu) 3.94s
#169	Claude Opus 4.8 low	Anthropic	1.0	0.7	$3.787	2/2	2.78s
Total teste 2 Teste greșite 0 Cost total $3.787 Timp de răspuns (mediu) 2.78s
#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
#208	MiniMax M3 medium	Minimax	1.0	0.7	$0.422	2/2	6.14s
Total teste 2 Teste greșite 0 Cost total $0.422 Timp de răspuns (mediu) 6.14s
#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
#235	Solar Pro 4 medium	Upstage	1.0	0.6	$0.098	2/2	40.1s
Total teste 2 Teste greșite 0 Cost total $0.098 Timp de răspuns (mediu) 40.1s
#247	Gemini 3.5 Flash Lite low	Google	1.0	0.6	$0.183	2/2	1.75s
Total teste 2 Teste greșite 0 Cost total $0.183 Timp de răspuns (mediu) 1.75s
#254	Space Bunny Alpha medium	Stealth	1.0	0.6	$0.000	2/2	1.75s
Total teste 2 Teste greșite 0 Cost total $0.000 Timp de răspuns (mediu) 1.75s
#265	Gemini 3.5 Flash none	Google	1.0	0.6	$1.752	2/2	3.38s
Total teste 2 Teste greșite 0 Cost total $1.752 Timp de răspuns (mediu) 3.38s
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	1.0	0.6	$0.742	2/2	2.61s
Total teste 2 Teste greșite 0 Cost total $0.742 Timp de răspuns (mediu) 2.61s
#331	KAT Coder AIR V2.5 high	Kwaipilot	1.0	0.5	$0.077	2/2	1.51s
Total teste 2 Teste greșite 0 Cost total $0.077 Timp de răspuns (mediu) 1.51s
#345	KAT Coder AIR V2.5 low	Kwaipilot	1.0	0.5	$0.046	2/2	1.64s
Total teste 2 Teste greșite 0 Cost total $0.046 Timp de răspuns (mediu) 1.64s
#373	Ling 2.6 Flash default	Inclusionai	1.0	0.5	$0.002	2/2	5.52s
Total teste 2 Teste greșite 0 Cost total $0.002 Timp de răspuns (mediu) 5.52s
#381	Cobuddy medium	Baidu	1.0	0.4	$0.000	2/2	11.6s
Total teste 2 Teste greșite 0 Cost total $0.000 Timp de răspuns (mediu) 11.6s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)