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)
#216	Qwen3.7 Flash medium	Qwen	0.6	0.7	$0.076	0/2	9.27s
Total teste 2 Teste greșite 2 Cost total $0.076 Timp de răspuns (mediu) 9.27s
#259	Space Bunny Alpha xhigh	Stealth	0.6	0.6	$0.000	0/2	2.22s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 2.22s
#262	DeepSeek V4 Flash 0731 none	DeepSeek	0.5	0.6	$0.053	0/2	1.42s
Total teste 2 Teste greșite 2 Cost total $0.053 Timp de răspuns (mediu) 1.42s
#419	Span-02 default	Respan	0.5	0.3	$0.001	1/1	2.30s
Total teste 1 Teste greșite 0 Cost total $0.001 Timp de răspuns (mediu) 2.30s
#433	Step 3.5 Flash none	Stepfun	0.5	0.2	$0.020	1/1	9.30s
Total teste 1 Teste greșite 0 Cost total $0.020 Timp de răspuns (mediu) 9.30s
#439	Solar Decide default	Upstage	0.5	0.1	$0.009	1/1	11.7s
Total teste 1 Teste greșite 0 Cost total $0.009 Timp de răspuns (mediu) 11.7s
#339	Apodex 1.1 Mini default	Apodex	0.5	0.5	$0.000	0/2	1.06s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 1.06s
#388	Mercury 2.5 none	Inception	0.5	0.4	$0.026	0/2	493ms
Total teste 2 Teste greșite 2 Cost total $0.026 Timp de răspuns (mediu) 493ms
#329	Ling 3.0 Flash none	Inclusionai	0.5	0.5	$0.004	0/2	836ms
Total teste 2 Teste greșite 2 Cost total $0.004 Timp de răspuns (mediu) 836ms
#343	Dots 3 Note Preview default	Dots Studio	0.5	0.5	$0.000	0/2	1.06s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 1.06s
#422	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	0.5	0.3	$0.000	0/2	541ms
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 541ms
#349	Laguna S 2.1 high	Poolside	0.5	0.5	$0.145	0/2	453ms
Total teste 2 Teste greșite 2 Cost total $0.145 Timp de răspuns (mediu) 453ms
#267	Trinity Large Thinking medium	Arcee AI	0.4	0.6	$0.862	0/2	3.99s
Total teste 2 Teste greșite 2 Cost total $0.862 Timp de răspuns (mediu) 3.99s
#256	Trinity Large Thinking low	Arcee AI	0.4	0.6	$0.918	0/2	4.07s
Total teste 2 Teste greșite 2 Cost total $0.918 Timp de răspuns (mediu) 4.07s
#299	Space Bunny Alpha low	Stealth	0.4	0.6	$0.000	0/2	1.43s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 1.43s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)