AI BENCHY زمرہ
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: ردِعمل کا وقت (اوسط) ↑.
| درجہ | ماڈل | کمپنی | ہدایات کی پیروی اسکور | اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #36 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 10.0 | 7.6 | 2/2 | 20.2s |
| #53 | Gemini 3.1 Flash Lite high | 7.3 | 7.3 | 1/2 | 23.3s | |
| #14 | Qwen3.6 Max Preview medium | Qwen | 10.0 | 8.5 | 2/2 | 24.3s |
| #66 | Qwen3.5-35B-A3B medium | Qwen | 10.0 | 7.1 | 2/2 | 24.4s |
| #96 | Ring-2.6-1T none | Inclusionai | 9.8 | 6.2 | 2/2 | 27.4s |
| #25 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 10.0 | 7.9 | 2/2 | 31.9s |
| #82 | Hy3 preview high | Tencent | 10.0 | 6.6 | 2/2 | 34.4s |
| #72 | DeepSeek V3.2 medium | DeepSeek | 10.0 | 7.0 | 2/2 | 35.8s |
| #78 | Qwen3.6 27B medium | Qwen | 10.0 | 6.8 | 2/2 | 38.0s |
| #103 | DeepSeek V4 Pro high | DeepSeek | 10.0 | 6.0 | 2/2 | 41.2s |
| #49 | Qwen3.5-Flash medium | Qwen | 10.0 | 7.4 | 2/2 | 63.5s |
| #12 | Gemini 3.1 Flash Lite Preview high | 9.8 | 8.6 | 2/2 | 64.0s | |
| #76 | Kimi K2.5 medium | Moonshot AI | 10.0 | 6.8 | 2/2 | 92.5s |