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

8.6

Cel mai bun model

Gemini 3 Flash Preview 10.0

Motive de eșec

Cu motivul de eșec Răspuns greșit61 Cu motivul de eșec Nu a urmat instrucțiunile19 Cu motivul de eșec Formatare suplimentară3 Cu motivul de eșec Fără răspuns2 Cu motivul de eșec Eroare API1 Cu motivul de eșec Timp expirat1

216/216

Rang	Model	Companie	Scor Respectarea instrucțiunilor	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#23	Grok 4.5 low	X AI	9.8	8.4	$0.935	2/2	2.80s
Total teste 2 Teste greșite 0 Cost total $0.935 Timp de răspuns (mediu) 2.80s
#25	Grok 4.5 medium	X AI	9.8	8.3	$1.928	2/2	6.06s
Total teste 2 Teste greșite 0 Cost total $1.928 Timp de răspuns (mediu) 6.06s
#28	Gemini 2.5 Flash medium	Google	9.8	8.2	$0.643	2/2	2.62s
Total teste 2 Teste greșite 0 Cost total $0.643 Timp de răspuns (mediu) 2.62s
#33	Step 3.7 Flash medium	Stepfun	9.8	8.0	$0.515	2/2	1.83s
Total teste 2 Teste greșite 0 Cost total $0.515 Timp de răspuns (mediu) 1.83s
#34	GPT-5.2 Chat none	OpenAI	9.8	8.0	$0.604	2/2	5.51s
Total teste 2 Teste greșite 0 Cost total $0.604 Timp de răspuns (mediu) 5.51s
#36	Inkling medium	Thinkingmachines	9.8	8.0	$0.391	2/2	6.17s
Total teste 2 Teste greșite 0 Cost total $0.391 Timp de răspuns (mediu) 6.17s
#55	Nemotron 3 Ultra medium	NVIDIA	9.8	7.5	$0.774	2/2	6.35s
Total teste 2 Teste greșite 0 Cost total $0.774 Timp de răspuns (mediu) 6.35s
#58	GPT-5.3 Chat none	OpenAI	9.8	7.5	$0.571	2/2	3.51s
Total teste 2 Teste greșite 0 Cost total $0.571 Timp de răspuns (mediu) 3.51s
#60	GPT-5.4 Mini medium	OpenAI	9.8	7.5	$0.756	2/2	2.13s
Total teste 2 Teste greșite 0 Cost total $0.756 Timp de răspuns (mediu) 2.13s
#71	Step 3.7 Flash low	Stepfun	9.8	7.3	$0.454	2/2	1.58s
Total teste 2 Teste greșite 0 Cost total $0.454 Timp de răspuns (mediu) 1.58s
#79	Grok 4.20 medium	X AI	9.8	7.1	$0.777	2/2	4.26s
Total teste 2 Teste greșite 0 Cost total $0.777 Timp de răspuns (mediu) 4.26s
#90	Step 3.7 Flash high	Stepfun	9.8	6.9	$1.207	2/2	1.52s
Total teste 2 Teste greșite 0 Cost total $1.207 Timp de răspuns (mediu) 1.52s
#95	Gemini 3.5 Flash-Lite low	Google	9.8	6.7	$0.145	2/2	869ms
Total teste 2 Teste greșite 0 Cost total $0.145 Timp de răspuns (mediu) 869ms
#101	GLM 5.2 none	Z.ai	9.8	6.6	$0.128	2/2	3.84s
Total teste 2 Teste greșite 0 Cost total $0.128 Timp de răspuns (mediu) 3.84s
#103	Qwen3.6 Max Preview none	Qwen	9.8	6.6	$0.231	2/2	1.40s
Total teste 2 Teste greșite 0 Cost total $0.231 Timp de răspuns (mediu) 1.40s

Clasament Respectarea instrucțiunilor

Filtrează modelele

Top modele după Scor Respectarea instrucțiunilor

Scor Respectarea instrucțiunilor vs cost total

Top modele după Timp de răspuns (mediu)