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: کل لاگت ↑.
210/210
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) |
|---|---|---|---|---|---|---|---|
| #58 | Qwen3.5-27B medium | Qwen | 10.0 | 7.4 | $1.627 | 2/2 | 19.7s |
| #27 | Muse Spark 1.1 high | Meta | 6.4 | 8.1 | $1.694 | 1/2 | 7.81s |
| #12 | Grok 4.5 high | X AI | 9.8 | 8.9 | $1.707 | 2/2 | 6.23s |
| #22 | Grok 4.5 medium | X AI | 9.8 | 8.3 | $1.928 | 2/2 | 6.06s |
| #14 | Claude Opus 4.8 medium | Anthropic | 10.0 | 8.8 | $1.931 | 2/2 | 3.32s |
| #2 | Gemini 3.5 Flash high | 10.0 | 9.5 | $1.976 | 2/2 | 3.35s | |
| #143 | Gemini 3.1 Flash Lite high | 7.3 | 5.6 | $2.044 | 1/2 | 23.3s | |
| #40 | Claude Sonnet 4.6 medium | Anthropic | 10.0 | 7.8 | $2.057 | 2/2 | 2.61s |
| #41 | Claude Opus 4.8 low | Anthropic | 9.8 | 7.8 | $2.077 | 2/2 | 2.78s |
| #163 | Gemini 3.1 Flash Lite Preview high | 9.8 | 5.3 | $2.310 | 2/2 | 64.0s | |
| #43 | Claude Opus 4.6 medium | Anthropic | 10.0 | 7.7 | $3.059 | 2/2 | 2.43s |
| #33 | Kimi K3 max | Moonshot AI | 10.0 | 8.0 | $3.112 | 2/2 | 7.66s |
| #17 | Claude Fable 5 medium | Anthropic | 10.0 | 8.6 | $3.478 | 2/2 | 5.90s |
| #10 | GPT-5.5 medium | OpenAI | 10.0 | 9.0 | $4.137 | 2/2 | 3.36s |
| #181 | Grok 4.20 Multi Agent Beta medium | X AI | 9.8 | 4.8 | $5.599 | 2/2 | 3.52s |