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)
#415	Grok 4.1 Fast default	X AI	0.3	0.3	$0.008	0/2	685ms
Total teste 2 Teste greșite 2 Cost total $0.008 Timp de răspuns (mediu) 685ms
#417	Command A+ none	Cohere	0.3	0.3	$0.000	0/2	95.7s
Total teste 2 Teste greșite 2 Cost total $0.000 Timp de răspuns (mediu) 95.7s
#418	Command A+ low	Cohere	0.3	0.3	$0.073	0/2	105.7s
Total teste 2 Teste greșite 2 Cost total $0.073 Timp de răspuns (mediu) 105.7s
#336	Mercury 2.5 low	Inception	0.3	0.5	$0.020	0/2	972ms
Total teste 2 Teste greșite 2 Cost total $0.020 Timp de răspuns (mediu) 972ms
#421	d1-ultra default	Liquid	0.2	0.3	$0.003	0/1	571ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 571ms
#423	Jev 1.13 default	Typesafe	0.2	0.3	$0.003	0/1	557ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 557ms
#424	Decider V1.2 default	Perplexity	0.2	0.3	$0.001	0/1	508ms
Total teste 1 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 508ms
#425	Decider V1.1 27B default	Perplexity	0.2	0.3	$0.002	0/1	333ms
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 333ms
#426	Drex v1.5 default	Nace AI	0.2	0.2	$0.002	0/1	1.33s
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 1.33s
#427	GPT-6 Luna Decisions default	OpenAI	0.2	0.2	$0.005	0/1	842ms
Total teste 1 Teste greșite 1 Cost total $0.005 Timp de răspuns (mediu) 842ms
#428	Kev 4B default	Jaredpalmer	0.2	0.2	$0.002	0/1	17.3s
Total teste 1 Teste greșite 1 Cost total $0.002 Timp de răspuns (mediu) 17.3s
#429	Jev 1.14 default	Typesafe	0.2	0.2	$0.003	0/1	543ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 543ms
#430	Classify-1 default	Scaledown	0.2	0.2	$0.008	0/1	4.26s
Total teste 1 Teste greșite 1 Cost total $0.008 Timp de răspuns (mediu) 4.26s
#431	Clef Omni default	Cloudflare	0.2	0.2	$0.011	0/1	904ms
Total teste 1 Teste greșite 1 Cost total $0.011 Timp de răspuns (mediu) 904ms
#432	Decider Flash V1.2 default	Perplexity	0.2	0.2	$0.001	0/1	424ms
Total teste 1 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 424ms

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)