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)
#297	Dots 3 Note Preview medium	Dots Studio	0.8	0.6	$0.000	1/2	7.77s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 7.77s
#330	Nemotron 3.5 Lightning high	NVIDIA	0.8	0.5	$0.168	1/2	4.98s
Total teste 2 Teste greșite 1 Cost total $0.168 Timp de răspuns (mediu) 4.98s
#67	MiMo-V2.6-Pro medium	Xiaomi	0.8	0.9	$0.586	1/2	1.79s
Total teste 2 Teste greșite 1 Cost total $0.586 Timp de răspuns (mediu) 1.79s
#84	Muse Glimmer 30B xhigh	Meta	0.8	0.8	$0.585	1/2	8.90s
Total teste 2 Teste greșite 1 Cost total $0.585 Timp de răspuns (mediu) 8.90s
#132	GPT-6 Luna high	OpenAI	0.8	0.8	$0.074	1/2	1.92s
Total teste 2 Teste greșite 1 Cost total $0.074 Timp de răspuns (mediu) 1.92s
#133	Muse Glimmer 30B high	Meta	0.8	0.8	$0.506	1/2	8.62s
Total teste 2 Teste greșite 1 Cost total $0.506 Timp de răspuns (mediu) 8.62s
#146	Mistral Large 4 high	Mistral	0.8	0.8	$1.391	1/2	22.0s
Total teste 2 Teste greșite 1 Cost total $1.391 Timp de răspuns (mediu) 22.0s
#153	Grok 4.7 low	X AI	0.8	0.7	$1.933	1/2	6.19s
Total teste 2 Teste greșite 1 Cost total $1.933 Timp de răspuns (mediu) 6.19s
#160	Grok 4.7 medium	X AI	0.8	0.7	$2.938	1/2	6.68s
Total teste 2 Teste greșite 1 Cost total $2.938 Timp de răspuns (mediu) 6.68s
#189	Muse Glimmer 30B low	Meta	0.8	0.7	$0.219	1/2	3.60s
Total teste 2 Teste greșite 1 Cost total $0.219 Timp de răspuns (mediu) 3.60s
#202	Solar Pro 4 xhigh	Upstage	0.8	0.7	$0.067	1/2	51.3s
Total teste 2 Teste greșite 1 Cost total $0.067 Timp de răspuns (mediu) 51.3s
#207	Grok 4.7 high	X AI	0.8	0.7	$3.037	1/2	14.1s
Total teste 2 Teste greșite 1 Cost total $3.037 Timp de răspuns (mediu) 14.1s
#234	Beam 1.0 501B A23B max	Reflection	0.8	0.6	$0.799	1/2	866ms
Total teste 2 Teste greșite 1 Cost total $0.799 Timp de răspuns (mediu) 866ms
#238	Beam 1.0 501B A23B low	Reflection	0.8	0.6	$0.432	1/2	1.14s
Total teste 2 Teste greșite 1 Cost total $0.432 Timp de răspuns (mediu) 1.14s
#369	Nemotron 3.5 Lightning low	NVIDIA	0.8	0.5	$0.175	1/2	5.46s
Total teste 2 Teste greșite 1 Cost total $0.175 Timp de răspuns (mediu) 5.46s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)