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: Время ответа (среднее) ↓.

Показано моделей

Среднее значение Оценка Следование инструкциям

0.8

Лучшая модель

Command A+ 0.3

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)
#411	Grok 4.20 Beta default	X AI	0.6	0.4	$0.087	1/2	649ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.087 Время ответа (среднее) 649ms
#393	MiniMax M2.5 medium	Minimax	0.8	0.4	$0.440	1/2	621ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.440 Время ответа (среднее) 621ms
#295	Qwen3.8 Flash Next none	Qwen	0.7	0.6	~$0.011	1/2	612ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость ~$0.011 Время ответа (среднее) 612ms
#296	DeepSeek V4.1 Flash 1017 none	DeepSeek	0.7	0.6	$0.055	1/2	608ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.055 Время ответа (среднее) 608ms
#318	Gemini 2.5 Flash none	Google	1.0	0.5	$0.017	2/2	590ms
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.017 Время ответа (среднее) 590ms
#324	Qwen3.8 27B none	Qwen	0.6	0.5	~$0.010	1/2	582ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость ~$0.010 Время ответа (среднее) 582ms
#430	d1-ultra default	Liquid	0.2	0.3	$0.003	0/1	571ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.003 Время ответа (среднее) 571ms
#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
#432	Jev 1.13 default	Typesafe	0.2	0.3	$0.003	0/1	557ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.003 Время ответа (среднее) 557ms
#449	Tev1 4B Experimental default	Togethercomputer	0.2	1.0	$0.002	0/1	555ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.002 Время ответа (среднее) 555ms
#391	Mercury 2 none	Inception	0.7	0.4	$0.033	1/2	551ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.033 Время ответа (среднее) 551ms
#438	Jev 1.14 default	Typesafe	0.2	0.2	$0.003	0/1	543ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.003 Время ответа (среднее) 543ms
#431	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	0.5	0.3	$0.000	0/2	541ms
Всего тестов 2 Ошибочных тестов 2 Общая стоимость $0.000 Время ответа (среднее) 541ms
#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
#238	Qwen3.5-122B-A10B none	Qwen	0.6	0.6	$0.308	1/2	513ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.308 Время ответа (среднее) 513ms

Рейтинг Следование инструкциям

Фильтровать модели

Лучшие модели по Оценка Следование инструкциям

Оценка Следование инструкциям vs общая стоимость

Лучшие модели по Время ответа (среднее)