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)
#382	Mercury 2 none	Inception	0.7	0.4	$0.033	1/2	551ms
Total teste 2 Teste greșite 1 Cost total $0.033 Timp de răspuns (mediu) 551ms
#387	GLM 5 Turbo none	Z.ai	0.7	0.4	$0.047	1/2	2.13s
Total teste 2 Teste greșite 1 Cost total $0.047 Timp de răspuns (mediu) 2.13s
#389	Qwen3.6 Plus Preview medium	Qwen	0.7	0.4	$0.000	1/2	3.40s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 3.40s
#390	Qwen3.5-9B medium	Qwen	0.7	0.4	$0.106	1/2	5.75s
Total teste 2 Teste greșite 1 Cost total $0.106 Timp de răspuns (mediu) 5.75s
#393	Grok 4.1 Fast medium	X AI	0.7	0.4	$0.069	1/2	4.63s
Total teste 2 Teste greșite 1 Cost total $0.069 Timp de răspuns (mediu) 4.63s
#397	Nemotron 3.5 Lightning none	NVIDIA	0.7	0.4	$0.009	1/2	511ms
Total teste 2 Teste greșite 1 Cost total $0.009 Timp de răspuns (mediu) 511ms
#411	MiMo-V2-Flash default	Xiaomi	0.7	0.3	$0.025	1/2	857ms
Total teste 2 Teste greșite 1 Cost total $0.025 Timp de răspuns (mediu) 857ms
#416	Laguna Xs.2 default	Poolside	0.7	0.3	$0.004	1/2	439ms
Total teste 2 Teste greșite 1 Cost total $0.004 Timp de răspuns (mediu) 439ms
#144	GLM 5.1 medium	Z.ai	0.6	0.8	$1.546	1/2	7.47s
Total teste 2 Teste greșite 1 Cost total $1.546 Timp de răspuns (mediu) 7.47s
#233	Gemini 3 Flash Preview none	Google	0.6	0.6	$0.155	1/2	1.58s
Total teste 2 Teste greșite 1 Cost total $0.155 Timp de răspuns (mediu) 1.58s
#240	Gemini 3.5 Flash minimal	Google	0.6	0.6	$0.508	1/2	893ms
Total teste 2 Teste greșite 1 Cost total $0.508 Timp de răspuns (mediu) 893ms
#320	Ember-1 none	Fireworks	0.6	0.5	$0.786	1/2	31.0s
Total teste 2 Teste greșite 1 Cost total $0.786 Timp de răspuns (mediu) 31.0s
#362	Granite 4.2 8B high	IBM Granite	0.6	0.5	$0.111	1/2	87.5s
Total teste 2 Teste greșite 1 Cost total $0.111 Timp de răspuns (mediu) 87.5s
#87	Muse Spark 1.1 high	Meta	0.6	0.8	$2.570	1/2	7.81s
Total teste 2 Teste greșite 1 Cost total $2.570 Timp de răspuns (mediu) 7.81s
#239	Mercury 2.5 medium	Inception	0.6	0.6	$0.034	1/2	1.07s
Total teste 2 Teste greșite 1 Cost total $0.034 Timp de răspuns (mediu) 1.07s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)