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: Общая стоимость ↑.

Показано моделей

Среднее значение Оценка Следование инструкциям

0.8

Лучшая модель

Ling 3.1 Flash 1.0

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)
#314	Nemotron 3.5 Super VL none	NVIDIA	1.0	0.6	$0.040	2/2	4.08s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.040 Время ответа (среднее) 4.08s
#362	Qwen3.5-9B none	Qwen	0.7	0.5	$0.041	1/2	514ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.041 Время ответа (среднее) 514ms
#331	GPT-5.6 Luna none	OpenAI	0.7	0.5	$0.042	1/2	1.23s
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.042 Время ответа (среднее) 1.23s
#383	Hy3 preview low	Tencent	1.0	0.5	$0.042	2/2	16.0s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.042 Время ответа (среднее) 16.0s
#342	MiMo-V2-Flash medium	Xiaomi	1.0	0.5	$0.043	2/2	4.28s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.043 Время ответа (среднее) 4.28s
#231	Mercury 2.5 high	Inception	0.7	0.6	$0.044	1/2	934ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.044 Время ответа (среднее) 934ms
#370	Laguna S 2.1 none	Poolside	0.4	0.5	$0.044	0/2	566ms
Всего тестов 2 Ошибочных тестов 2 Общая стоимость $0.044 Время ответа (среднее) 566ms
#114	Qwen3.8 Flash Next low	Qwen	1.0	0.8	~$0.045	2/2	2.32s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость ~$0.045 Время ответа (среднее) 2.32s
#380	Mimo V2 PRO default	Xiaomi	0.7	0.5	$0.045	1/2	2.51s
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.045 Время ответа (среднее) 2.51s
#354	KAT Coder AIR V2.5 low	Kwaipilot	1.0	0.5	$0.046	2/2	1.64s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.046 Время ответа (среднее) 1.64s
#396	GLM 5 Turbo none	Z.ai	0.7	0.4	$0.047	1/2	2.13s
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.047 Время ответа (среднее) 2.13s
#344	Mistral Small 4 none	Mistral	0.7	0.5	$0.047	1/2	380ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.047 Время ответа (среднее) 380ms
#95	GPT-6 Luna medium	OpenAI	1.0	0.8	$0.047	2/2	13.2s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.047 Время ответа (среднее) 13.2s
#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
#346	KAT Coder AIR V2.5 medium	Kwaipilot	1.0	0.5	$0.048	2/2	1.50s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.048 Время ответа (среднее) 1.50s

Рейтинг Следование инструкциям

Фильтровать модели

Лучшие модели по Оценка Следование инструкциям

Оценка Следование инструкциям vs общая стоимость

Лучшие модели по Время ответа (среднее)