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)
#37	GPT-5.3-Codex medium	OpenAI	1.0	0.9	$1.318	2/2	3.04s
Total teste 2 Teste greșite 0 Cost total $1.318 Timp de răspuns (mediu) 3.04s
#38	Claude Haiku 5.5 xhigh	Anthropic	1.0	0.9	$0.140	2/2	3.34s
Total teste 2 Teste greșite 0 Cost total $0.140 Timp de răspuns (mediu) 3.34s
#41	Pareto default	Unbiased	1.0	0.9	$1.520	2/2	4.95s
Total teste 2 Teste greșite 0 Cost total $1.520 Timp de răspuns (mediu) 4.95s
#44	Muse Spark Open xhigh	Meta	1.0	0.9	$2.081	2/2	23.5s
Total teste 2 Teste greșite 0 Cost total $2.081 Timp de răspuns (mediu) 23.5s
#46	Qwen3.8 Max (0902) medium	Qwen	1.0	0.9	$1.096	2/2	4.24s
Total teste 2 Teste greșite 0 Cost total $1.096 Timp de răspuns (mediu) 4.24s
#49	Gemini 4 Argon medium	Google	1.0	0.9	$0.674	2/2	2.71s
Total teste 2 Teste greșite 0 Cost total $0.674 Timp de răspuns (mediu) 2.71s
#50	Claude Opus 5 low	Anthropic	1.0	0.9	$2.350	2/2	4.13s
Total teste 2 Teste greșite 0 Cost total $2.350 Timp de răspuns (mediu) 4.13s
#57	Claude Fable 5 medium	Anthropic	1.0	0.9	$5.089	2/2	5.90s
Total teste 2 Teste greșite 0 Cost total $5.089 Timp de răspuns (mediu) 5.90s
#59	Qwen3.8 MAX low	Qwen	1.0	0.9	$1.089	2/2	4.01s
Total teste 2 Teste greșite 0 Cost total $1.089 Timp de răspuns (mediu) 4.01s
#60	GPT-5.4 medium	OpenAI	1.0	0.9	$2.213	2/2	3.11s
Total teste 2 Teste greșite 0 Cost total $2.213 Timp de răspuns (mediu) 3.11s
#62	DeepSeek V4.1 Flash high	DeepSeek	1.0	0.9	$0.617	2/2	7.06s
Total teste 2 Teste greșite 0 Cost total $0.617 Timp de răspuns (mediu) 7.06s
#63	DeepSeek V4.1 Flash medium	DeepSeek	1.0	0.9	$0.591	2/2	9.69s
Total teste 2 Teste greșite 0 Cost total $0.591 Timp de răspuns (mediu) 9.69s
#69	GPT-6 Sol low	OpenAI	1.0	0.9	$0.477	2/2	2.37s
Total teste 2 Teste greșite 0 Cost total $0.477 Timp de răspuns (mediu) 2.37s
#70	DeepSeek V4.1 Flash max	DeepSeek	1.0	0.9	$1.204	2/2	7.64s
Total teste 2 Teste greșite 0 Cost total $1.204 Timp de răspuns (mediu) 7.64s
#72	Claude Sonnet 5.5 xhigh	Anthropic	1.0	0.9	$1.516	2/2	4.58s
Total teste 2 Teste greșite 0 Cost total $1.516 Timp de răspuns (mediu) 4.58s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)