ہدایات کی پیروی درجہ بندی
دیکھیں کہ ہدایات کی پیروی میں کون سے AI ماڈلز بہترین کارکردگی دکھاتے ہیں، کون سے قابلِ اعتماد رہتے ہیں، اور سب سے بڑے فرق کہاں نظر آتے ہیں۔ ترتیب دیں حسب: درست ٹیسٹس ↑.
216/216
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | ہدایات کی پیروی اسکور | اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #60 | GPT-5.4 Mini medium | OpenAI | 9.8 | 7.5 | $0.756 | 2/2 | 2.13s |
| #61 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 10.0 | 7.5 | $0.437 | 2/2 | 31.9s |
| #62 | Qwen3.5-27B medium | Qwen | 10.0 | 7.4 | $1.627 | 2/2 | 19.7s |
| #63 | Qwen3.7 Max none | Qwen | 10.0 | 7.4 | $0.197 | 2/2 | 943ms |
| #65 | Gemini 3 Flash Preview low | 9.9 | 7.4 | $0.177 | 2/2 | 7.02s | |
| #66 | KAT-Coder-Pro V2.5 low | Kwaipilot | 10.0 | 7.4 | $0.387 | 2/2 | 2.53s |
| #68 | Gemini 3.1 Flash Lite Preview medium | 10.0 | 7.3 | $0.115 | 2/2 | 1.91s | |
| #69 | Gemini 3.1 Flash Lite medium | 9.9 | 7.3 | $0.117 | 2/2 | 2.59s | |
| #70 | Claude Opus 4.8 none | Anthropic | 9.9 | 7.3 | $1.166 | 2/2 | 1.37s |
| #71 | Step 3.7 Flash low | Stepfun | 9.8 | 7.3 | $0.454 | 2/2 | 1.58s |
| #72 | Kimi K2.6 medium | Moonshot AI | 10.0 | 7.2 | $1.036 | 2/2 | 12.5s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 9.9 | 7.2 | $0.482 | 2/2 | 2.67s |
| #74 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 10.0 | 7.2 | $0.317 | 2/2 | 20.2s |
| #76 | Qwen3.5-122B-A10B medium | Qwen | 10.0 | 7.1 | $1.046 | 2/2 | 9.88s |
| #77 | Grok 4.3 medium | X AI | 9.8 | 7.1 | $0.779 | 2/2 | 18.6s |