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)
#200	GPT-6 Sol none	OpenAI	1.0	0.7	$0.551	2/2	1.23s
Total teste 2 Teste greșite 0 Cost total $0.551 Timp de răspuns (mediu) 1.23s
#213	GLM 5.3 Flash low	Z.ai	1.0	0.7	$0.038	2/2	1.65s
Total teste 2 Teste greșite 0 Cost total $0.038 Timp de răspuns (mediu) 1.65s
#218	Mercury 2 medium	Inception	1.0	0.7	$0.121	2/2	1.07s
Total teste 2 Teste greșite 0 Cost total $0.121 Timp de răspuns (mediu) 1.07s
#221	KAT-Coder-Pro V2.5 low	Kwaipilot	1.0	0.7	$0.568	2/2	2.53s
Total teste 2 Teste greșite 0 Cost total $0.568 Timp de răspuns (mediu) 2.53s
#223	Qwen3.6 35B A3B medium	Qwen	1.0	0.7	$0.834	2/2	7.50s
Total teste 2 Teste greșite 0 Cost total $0.834 Timp de răspuns (mediu) 7.50s
#227	GLM 5.3 low	Z.ai	1.0	0.6	$0.215	2/2	3.40s
Total teste 2 Teste greșite 0 Cost total $0.215 Timp de răspuns (mediu) 3.40s
#236	Claude Sonnet 4.6 medium	Anthropic	1.0	0.6	$2.126	2/2	2.61s
Total teste 2 Teste greșite 0 Cost total $2.126 Timp de răspuns (mediu) 2.61s
#237	Kimi K2.5 medium	Moonshot AI	1.0	0.6	$0.841	2/2	92.5s
Total teste 2 Teste greșite 0 Cost total $0.841 Timp de răspuns (mediu) 92.5s
#245	Qwen3.5-35B-A3B medium	Qwen	1.0	0.6	$0.716	2/2	24.4s
Total teste 2 Teste greșite 0 Cost total $0.716 Timp de răspuns (mediu) 24.4s
#248	Gemini 3.1 Flash Lite Preview low	Google	1.0	0.6	$0.736	2/2	1.49s
Total teste 2 Teste greșite 0 Cost total $0.736 Timp de răspuns (mediu) 1.49s
#249	Gemini 3.1 Flash Lite low	Google	1.0	0.6	$0.717	2/2	1.52s
Total teste 2 Teste greșite 0 Cost total $0.717 Timp de răspuns (mediu) 1.52s
#251	Qwen3.5 Plus 2026-02-15 none	Qwen	1.0	0.6	$0.176	2/2	1.67s
Total teste 2 Teste greșite 0 Cost total $0.176 Timp de răspuns (mediu) 1.67s
#253	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	2.43s
Total teste 2 Teste greșite 0 Cost total $2.961 Timp de răspuns (mediu) 2.43s
#255	DeepSeek V3.2 medium	DeepSeek	1.0	0.6	$0.152	2/2	35.8s
Total teste 2 Teste greșite 0 Cost total $0.152 Timp de răspuns (mediu) 35.8s
#261	GLM 5 Turbo medium	Z.ai	1.0	0.6	$0.323	2/2	5.38s
Total teste 2 Teste greșite 0 Cost total $0.323 Timp de răspuns (mediu) 5.38s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)