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)
#375	Ring 2.6 1t default	Inclusionai	1.0	0.4	$0.026	2/2	27.4s
Total teste 2 Teste greșite 0 Cost total $0.026 Timp de răspuns (mediu) 27.4s
#383	Gemini 3.1 Flash Lite Preview high	Google	1.0	0.4	$2.310	2/2	64.0s
Total teste 2 Teste greșite 0 Cost total $2.310 Timp de răspuns (mediu) 64.0s
#386	gpt-oss-120b none	OpenAI	1.0	0.4	$0.016	2/2	5.06s
Total teste 2 Teste greșite 0 Cost total $0.016 Timp de răspuns (mediu) 5.06s
#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
#413	Grok Build 0.1 none	X AI	1.0	0.3	$0.547	2/2	7.36s
Total teste 2 Teste greșite 0 Cost total $0.547 Timp de răspuns (mediu) 7.36s
#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
#211	GPT-5.6 Sol none	OpenAI	0.9	0.7	$0.795	1/2	1.33s
Total teste 2 Teste greșite 1 Cost total $0.795 Timp de răspuns (mediu) 1.33s
#288	GPT-5.6 Terra none	OpenAI	0.9	0.6	$0.377	1/2	1.15s
Total teste 2 Teste greșite 1 Cost total $0.377 Timp de răspuns (mediu) 1.15s
#359	Nemotron 3.5 Lightning medium	NVIDIA	0.9	0.5	$0.195	1/2	3.75s
Total teste 2 Teste greșite 1 Cost total $0.195 Timp de răspuns (mediu) 3.75s
#81	Nemotron 3.5 Super VL high	NVIDIA	0.8	0.8	$0.349	1/2	6.10s
Total teste 2 Teste greșite 1 Cost total $0.349 Timp de răspuns (mediu) 6.10s
#130	DeepSeek V4 Flash 0731 medium	DeepSeek	0.8	0.8	$0.460	1/2	2.42s
Total teste 2 Teste greșite 1 Cost total $0.460 Timp de răspuns (mediu) 2.42s
#137	Qwen3.7 Flash low	Qwen	0.8	0.8	$0.071	1/2	9.88s
Total teste 2 Teste greșite 1 Cost total $0.071 Timp de răspuns (mediu) 9.88s
#193	GPT-5.6 Luna low	OpenAI	0.8	0.7	$0.049	1/2	2.04s
Total teste 2 Teste greșite 1 Cost total $0.049 Timp de răspuns (mediu) 2.04s
#274	Apodex 1.1 Mini medium	Apodex	0.8	0.6	$0.000	1/2	8.56s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 8.56s
#278	Inkling Small medium	Thinkingmachines	0.8	0.6	$0.113	1/2	3.78s
Total teste 2 Teste greșite 1 Cost total $0.113 Timp de răspuns (mediu) 3.78s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)