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)
#284	Claude Sonnet 5 none	Anthropic	0.6	0.6	$1.095	1/2	2.58s
Total teste 2 Teste greșite 1 Cost total $1.095 Timp de răspuns (mediu) 2.58s
#301	Solar Pro 4 none	Upstage	0.6	0.6	$0.022	1/2	1.67s
Total teste 2 Teste greșite 1 Cost total $0.022 Timp de răspuns (mediu) 1.67s
#338	MiMo-V2.5-Pro none	Xiaomi	0.6	0.5	$0.135	1/2	1.03s
Total teste 2 Teste greșite 1 Cost total $0.135 Timp de răspuns (mediu) 1.03s
#351	Ling 2.6 1t default	Inclusionai	0.6	0.5	$0.016	1/2	5.36s
Total teste 2 Teste greșite 1 Cost total $0.016 Timp de răspuns (mediu) 5.36s
#372	Owl Alpha default	Openrouter	0.6	0.5	$0.000	1/2	2.63s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 2.63s
#406	Hunter Alpha default	OpenRouter	0.6	0.3	$0.000	1/2	2.82s
Total teste 2 Teste greșite 1 Cost total $0.000 Timp de răspuns (mediu) 2.82s
#341	Mercury 2.5 Preview low	Inception	0.6	0.5	$0.015	1/2	1.60s
Total teste 2 Teste greșite 1 Cost total $0.015 Timp de răspuns (mediu) 1.60s
#403	Laguna M.1 default	Poolside	0.6	0.4	$0.009	1/2	683ms
Total teste 2 Teste greșite 1 Cost total $0.009 Timp de răspuns (mediu) 683ms
#410	Hy3 preview none	Tencent	0.6	0.3	$0.007	1/2	13.0s
Total teste 2 Teste greșite 1 Cost total $0.007 Timp de răspuns (mediu) 13.0s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	0.6	0.7	$0.083	1/2	4.12s
Total teste 2 Teste greșite 1 Cost total $0.083 Timp de răspuns (mediu) 4.12s
#128	Qwen3.7 Plus none	Qwen	0.6	0.8	$0.178	1/2	929ms
Total teste 2 Teste greșite 1 Cost total $0.178 Timp de răspuns (mediu) 929ms
#165	Qwen3.5-27B none	Qwen	0.6	0.7	$0.116	1/2	1.03s
Total teste 2 Teste greșite 1 Cost total $0.116 Timp de răspuns (mediu) 1.03s
#194	Claude Sonnet 5.5 low	Anthropic	0.6	0.7	$0.909	1/2	1.91s
Total teste 2 Teste greșite 1 Cost total $0.909 Timp de răspuns (mediu) 1.91s
#205	Qwen3.5-Flash none	Qwen	0.6	0.7	$0.089	1/2	8.81s
Total teste 2 Teste greșite 1 Cost total $0.089 Timp de răspuns (mediu) 8.81s
#222	Claude Sonnet 5.5 medium	Anthropic	0.6	0.7	$1.100	1/2	1.88s
Total teste 2 Teste greșite 1 Cost total $1.100 Timp de răspuns (mediu) 1.88s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)