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)
#295	Mistral Large 4 none	Mistral	0.7	0.6	$0.290	1/2	1.16s
Total teste 2 Teste greșite 1 Cost total $0.290 Timp de răspuns (mediu) 1.16s
#298	Gemma 4 31B none	Google	0.7	0.6	$0.031	1/2	2.84s
Total teste 2 Teste greșite 1 Cost total $0.031 Timp de răspuns (mediu) 2.84s
#300	GPT-5.4 none	OpenAI	0.7	0.6	$0.690	1/2	1.07s
Total teste 2 Teste greșite 1 Cost total $0.690 Timp de răspuns (mediu) 1.07s
#307	Kimi K2.6 none	Moonshot AI	0.7	0.5	$0.486	1/2	1.64s
Total teste 2 Teste greșite 1 Cost total $0.486 Timp de răspuns (mediu) 1.64s
#318	MiMo-V2.6-Flash none	Xiaomi	0.7	0.5	$0.060	1/2	810ms
Total teste 2 Teste greșite 1 Cost total $0.060 Timp de răspuns (mediu) 810ms
#324	Kimi K2.5 none	Moonshot AI	0.7	0.5	$0.262	1/2	2.67s
Total teste 2 Teste greșite 1 Cost total $0.262 Timp de răspuns (mediu) 2.67s
#335	Mistral Small 4 none	Mistral	0.7	0.5	$0.047	1/2	380ms
Total teste 2 Teste greșite 1 Cost total $0.047 Timp de răspuns (mediu) 380ms
#352	MiMo-V2.5 none	Xiaomi	0.7	0.5	$0.049	1/2	751ms
Total teste 2 Teste greșite 1 Cost total $0.049 Timp de răspuns (mediu) 751ms
#353	Qwen3.5-9B none	Qwen	0.7	0.5	$0.041	1/2	514ms
Total teste 2 Teste greșite 1 Cost total $0.041 Timp de răspuns (mediu) 514ms
#357	GLM 4.7 Flash none	Z.ai	0.7	0.5	$0.027	1/2	888ms
Total teste 2 Teste greșite 1 Cost total $0.027 Timp de răspuns (mediu) 888ms
#360	North Mini Code default	Cohere	0.7	0.5	$0.000	1/2	30.7s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 30.7s
#367	GLM 5V Turbo none	Z.ai	0.7	0.5	$0.052	1/2	1.97s
Total teste 2 Teste greșite 1 Cost total $0.052 Timp de răspuns (mediu) 1.97s
#370	Owl Alpha medium	Openrouter	0.7	0.5	$0.000	1/2	10.2s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 10.2s
#371	Mimo V2 PRO default	Xiaomi	0.7	0.5	$0.045	1/2	2.51s
Total teste 2 Teste greșite 1 Cost total $0.045 Timp de răspuns (mediu) 2.51s
#376	Mimo V2 Omni default	Xiaomi	0.7	0.4	$0.021	1/2	4.26s
Total teste 2 Teste greșite 1 Cost total $0.021 Timp de răspuns (mediu) 4.26s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)