Рейтинг моделей по Следование инструкциям

Посмотрите, какие AI-модели лучше всего справляются с Следование инструкциям, какие остаются надежными и где заметнее всего разница. Сортировать по: Тестов верно ↑.

Показано моделей

Среднее значение Оценка Следование инструкциям

0.8

Лучшая модель

Minimax M3.1 Flash 0.5

Причины сбоев

С причиной сбоя Неверный ответ117 С причиной сбоя Не соблюдены инструкции77 С причиной сбоя Ошибка API25 С причиной сбоя Лишнее форматирование8 С причиной сбоя Тайм-аут5 С причиной сбоя Нет ответа2

451/451

Ранг	Модель	Компания	Оценка Следование инструкциям	Оценка	Общая стоимость	Тестов верно	Время ответа (среднее)
#132	Grok 4.5 low	X AI	1.0	0.8	$1.345	2/2	2.80s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $1.345 Время ответа (среднее) 2.80s
#137	Nemotron 3.5 Super VL medium	NVIDIA	1.0	0.8	$0.437	2/2	4.34s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.437 Время ответа (среднее) 4.34s
#138	Claude Haiku 5.5 medium	Anthropic	1.0	0.8	$0.063	2/2	3.01s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.063 Время ответа (среднее) 3.01s
#139	Qwen3.5 Plus 2026-04-20 medium	Qwen	1.0	0.8	$0.435	2/2	20.2s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.435 Время ответа (среднее) 20.2s
#141	Muse Glimmer 30B medium	Meta	1.0	0.8	$0.288	2/2	5.34s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.288 Время ответа (среднее) 5.34s
#143	Qwen3.8 Flash Next medium	Qwen	1.0	0.8	~$0.047	2/2	2.04s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость ~$0.047 Время ответа (среднее) 2.04s
#145	Qwen3.8 27B low	Qwen	1.0	0.8	~$0.089	2/2	2.43s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость ~$0.089 Время ответа (среднее) 2.43s
#148	Seed-2.0-Mini medium	Bytedance Seed	1.0	0.8	$0.140	2/2	17.5s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.140 Время ответа (среднее) 17.5s
#150	Seed-2.0-Code high	Bytedance Seed	1.0	0.7	$1.448	2/2	11.3s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $1.448 Время ответа (среднее) 11.3s
#151	GPT-5.6 Luna medium	OpenAI	1.0	0.7	$0.065	2/2	2.38s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.065 Время ответа (среднее) 2.38s
#152	Qwen3.6 Flash medium	Qwen	1.0	0.7	$0.783	2/2	6.05s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.783 Время ответа (среднее) 6.05s
#153	DeepSeek V4 Flash 0731 low	DeepSeek	1.0	0.7	$0.306	2/2	3.01s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.306 Время ответа (среднее) 3.01s
#154	Seed-2.0-Code medium	Bytedance Seed	1.0	0.7	$1.275	2/2	10.3s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $1.275 Время ответа (среднее) 10.3s
#155	GLM 5.3 FlashX high	Z.ai	1.0	0.7	$0.210	2/2	1.72s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.210 Время ответа (среднее) 1.72s
#157	Inkling Small high	Thinkingmachines	1.0	0.7	$0.398	2/2	3.94s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.398 Время ответа (среднее) 3.94s

Рейтинг Следование инструкциям

Фильтровать модели

Лучшие модели по Оценка Следование инструкциям

Оценка Следование инструкциям vs общая стоимость

Лучшие модели по Время ответа (среднее)