AI BENCHY
तुलना करें चार्ट Karyapranali
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY श्रेणी

निर्देश पालन रैंकिंग

देखें कि निर्देश पालन में कौन से AI मॉडल सबसे अच्छा प्रदर्शन करते हैं, कौन से भरोसेमंद बने रहते हैं और सबसे बड़े अंतर कहाँ दिखाई देते हैं। क्रमबद्ध करें: सही परीक्षण ↑.

दिखाए गए मॉडल

55

औसत निर्देश पालन स्कोर

8.1

सर्वश्रेष्ठ मॉडल

Qwen3.5-122B-A10B 4.5
रैंक मॉडल कंपनी निर्देश पालन स्कोर औसत स्कोर सही परीक्षण प्रतिक्रिया समय (औसत)
#40 Qwen3.5-122B-A10B none Qwen 4.5 5.0 0/2 585ms
#41 Qwen3.5-27B none Qwen 4.5 4.9 0/2 815ms
#45 Trinity Large Preview none Arcee AI 3.5 4.2 0/2 1.09s
#47 GPT-4o-mini none OpenAI 4.5 4.0 0/2 1.27s
#48 Qwen3 Coder Next none Qwen 4.5 4.0 0/2 7.71s
#50 Qwen3 Coder Next medium Qwen 4.5 3.5 0/2 7.34s
#53 Grok 4.1 Fast none X AI 10.0 2.9 0/2 923ms
#55 LFM2-24B-A2B none Liquid 4.5 2.6 0/2 1.09s
#8 Gemini 3.1 Flash Lite Preview high Google 9.0 8.2 1/2 70.1s
#13 Step 3.5 Flash medium Stepfun 9.0 7.4 1/2 4.98s
#15 GPT-5.2 Chat none OpenAI 6.0 7.4 1/2 5.46s
#19 GPT-5.3 Chat none OpenAI 9.0 7.3 1/2 3.29s
#20 Gemini 3 Flash Preview none Google 5.5 7.2 1/2 1.58s
#25 Claude Sonnet 4.6 none Anthropic 5.5 6.8 1/2 1.96s
#30 Grok 4.1 Fast medium X AI 5.5 6.2 1/2 5.30s
#32 GPT-5 Mini medium OpenAI 7.5 6.0 1/2 15.7s
#34 GPT-5 Nano medium OpenAI 9.0 5.5 1/2 11.9s
#37 Qwen3.5-Flash none Qwen 5.0 5.2 1/2 8.81s
#38 Gemini 2.5 Flash none Google 9.0 5.2 1/2 672ms
#42 Qwen3.5-35B-A3B none Qwen 5.0 4.7 1/2 809ms
#43 MiniMax M2.5 medium Minimax 8.0 4.7 1/2 4.64s
#44 GPT-5.4 none OpenAI 5.5 4.5 1/2 1.07s
#46 Kimi K2.5 none Moonshot AI 5.5 4.1 1/2 2.67s
#49 GLM 4.7 Flash none Z.ai 5.5 3.9 1/2 888ms
#51 Mercury 2 none Inception 5.5 3.4 1/2 551ms
#52 GLM 4.7 Flash medium Z.ai 5.0 3.1 1/2 2.97s
#54 MiMo-V2-Flash none Xiaomi 5.5 2.9 1/2 857ms
#1 Gemini 3 Flash Preview medium Google 10.0 10.0 2/2 6.10s
#2 Gemini 3.1 Pro Preview medium Google 10.0 9.4 2/2 9.56s
#3 GPT-5.3-Codex medium OpenAI 10.0 8.4 2/2 3.04s
#4 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 8.3 2/2 31.9s
#5 Gemini 3 Flash Preview low Google 9.5 8.2 2/2 7.02s
#6 Gemini 3 Pro Preview medium Google 9.5 8.2 2/2 3.26s
#7 Qwen3.5-27B medium Qwen 10.0 8.2 2/2 19.7s
#9 GPT-5.4 medium OpenAI 10.0 8.0 2/2 3.11s
#10 Qwen3.5-122B-A10B medium Qwen 10.0 7.7 2/2 9.88s
#11 Claude Sonnet 4.6 medium Anthropic 10.0 7.7 2/2 2.61s
#12 Gemini 3.1 Flash Lite Preview medium Google 10.0 7.5 2/2 1.91s
#14 GLM 5 medium Z.ai 10.0 7.4 2/2 7.25s
#16 Gemini 2.5 Flash medium Google 9.5 7.4 2/2 2.62s
#17 Gemini 3.1 Flash Lite Preview low Google 10.0 7.3 2/2 1.49s
#18 DeepSeek V3.2 medium DeepSeek 10.0 7.3 2/2 35.8s
#21 MiMo-V2-Flash medium Xiaomi 10.0 7.2 2/2 4.28s
#22 Gemini 3.1 Flash Lite Preview none Google 10.0 7.1 2/2 1.13s
#23 Seed-2.0-Mini medium Bytedance Seed 10.0 6.9 2/2 17.5s
#24 Qwen3.5-Flash medium Qwen 10.0 6.9 2/2 63.5s
#26 Claude Opus 4.6 medium Anthropic 10.0 6.6 2/2 2.43s
#27 GPT-5.2 medium OpenAI 9.5 6.5 2/2 3.12s
#28 Kimi K2.5 medium Moonshot AI 10.0 6.4 2/2 92.5s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 10.0 6.2 2/2 1.67s
#31 GLM 5 none Z.ai 10.0 6.0 2/2 1.48s
#33 DeepSeek V3.2 none DeepSeek 10.0 5.5 2/2 1.52s
#35 Qwen3.5-35B-A3B medium Qwen 10.0 5.5 2/2 24.4s
#36 Mercury 2 medium Inception 10.0 5.3 2/2 1.07s
#39 gpt-oss-120b medium OpenAI 9.5 5.1 2/2 7.63s

निर्देश पालन स्कोर के अनुसार शीर्ष मॉडल

निर्देश पालन स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल