Рейтинг моделей по Следование инструкциям

Посмотрите, какие AI-модели лучше всего справляются с Следование инструкциям, какие остаются надежными и где заметнее всего разница.

Показано моделей

Среднее значение Оценка Следование инструкциям

0.8

Лучшая модель

Gemini 3.6 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)
#77	Grok 4.6 high	X AI	1.0	0.9	$2.629	2/2	13.8s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $2.629 Время ответа (среднее) 13.8s
#78	Muse Spark 1.3 low	Meta	1.0	0.9	$0.911	2/2	5.04s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.911 Время ответа (среднее) 5.04s
#83	Qwen3.8 2.4T A95B low	Qwen	1.0	0.8	$4.016	2/2	19.5s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $4.016 Время ответа (среднее) 19.5s
#97	Ling 3.1 Flash medium	Inclusionai	1.0	0.8	$0.000	2/2	3.57s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.000 Время ответа (среднее) 3.57s
#101	Grok 4.5 high	X AI	1.0	0.8	$2.687	2/2	6.23s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $2.687 Время ответа (среднее) 6.23s
#105	Seed-2.0-Code low	Bytedance Seed	1.0	0.8	$0.881	2/2	12.2s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.881 Время ответа (среднее) 12.2s
#111	Nemotron 3 Ultra medium	NVIDIA	1.0	0.8	$0.674	2/2	6.35s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.674 Время ответа (среднее) 6.35s
#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
#119	GPT-5.4 Mini medium	OpenAI	1.0	0.8	$1.102	2/2	2.13s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $1.102 Время ответа (среднее) 2.13s
#127	Grok 4.5 medium	X AI	1.0	0.8	$2.996	2/2	6.06s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $2.996 Время ответа (среднее) 6.06s
#129	Step 3.7 Flash medium	Stepfun	1.0	0.8	$0.571	2/2	1.83s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $0.571 Время ответа (среднее) 1.83s
#130	Grok 4.6 medium	X AI	1.0	0.8	$2.270	2/2	12.8s
Всего тестов 2 Ошибочных тестов 0 Общая стоимость $2.270 Время ответа (среднее) 12.8s
#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
#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

Рейтинг Следование инструкциям

Фильтровать модели

Лучшие модели по Оценка Следование инструкциям

Оценка Следование инструкциям vs общая стоимость

Лучшие модели по Время ответа (среднее)