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)
#361	Laguna S 2.1 none	Poolside	0.4	0.5	$0.044	0/2	566ms
Total teste 2 Teste greșite 2 Cost total $0.044 Timp de răspuns (mediu) 566ms
#368	Laguna S 2.1 low	Poolside	0.4	0.5	$0.108	0/2	423ms
Total teste 2 Teste greșite 2 Cost total $0.108 Timp de răspuns (mediu) 423ms
#398	Xing4.0 29b A4b medium	Xingchen AGI	0.4	0.4	$0.000	0/2	25.4s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 25.4s
#340	Laguna S 2.1 medium	Poolside	0.4	0.5	$0.092	0/2	400ms
Total teste 2 Teste greșite 2 Cost total $0.092 Timp de răspuns (mediu) 400ms
#412	Xing4.0 29b A4b none	Xingchen AGI	0.4	0.3	$0.000	0/2	11.7s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 11.7s
#326	Laguna XS 2.1 none	Poolside	0.4	0.5	$0.020	0/2	364ms
Total teste 2 Teste greșite 2 Cost total $0.020 Timp de răspuns (mediu) 364ms
#342	MiniMax M2.7 medium	Minimax	0.4	0.5	$0.326	0/2	12.8s
Total teste 2 Teste greșite 2 Cost total $0.326 Timp de răspuns (mediu) 12.8s
#272	Granite 4.2 8B medium	IBM Granite	0.4	0.6	$0.029	0/2	36.9s
Total teste 2 Teste greșite 2 Cost total $0.029 Timp de răspuns (mediu) 36.9s
#396	Granite 4.1 8b default	IBM Granite	0.4	0.4	$0.007	0/2	344ms
Total teste 2 Teste greșite 2 Cost total $0.007 Timp de răspuns (mediu) 344ms
#379	Trinity Large Preview default	Arcee AI	0.4	0.4	$0.008	0/2	822ms
Total teste 2 Teste greșite 2 Cost total $0.008 Timp de răspuns (mediu) 822ms
#395	Ling 3.0 Tiny default	Inclusionai	0.3	0.4	$0.000	0/2	2.44s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 2.44s
#323	Granite 4.2 8B low	IBM Granite	0.3	0.5	$0.036	0/2	75.8s
Total teste 2 Teste greșite 2 Cost total $0.036 Timp de răspuns (mediu) 75.8s
#380	Granite 4.2 8B none	IBM Granite	0.3	0.4	$0.037	0/2	79.5s
Total teste 2 Teste greșite 2 Cost total $0.037 Timp de răspuns (mediu) 79.5s
#408	Command A+ medium	Cohere	0.3	0.3	$0.064	0/2	103.0s
Total teste 2 Teste greșite 2 Cost total $0.064 Timp de răspuns (mediu) 103.0s
#414	Command A+ high	Cohere	0.3	0.3	$0.079	0/2	110.3s
Total teste 2 Teste greșite 2 Cost total $0.079 Timp de răspuns (mediu) 110.3s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)