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 ↑.
319/319
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) |
|---|---|---|---|---|---|---|---|
| #159 | KAT-Coder-Pro V2.5 none | Kwaipilot | 9.8 | 6.7 | $0.487 | 2/2 | 2.61s |
| #163 | LongCat 2.0 high | Meituan | 6.5 | 6.7 | $0.492 | 1/2 | 6.96s |
| #76 | Step 3.7 Flash medium | Stepfun | 9.8 | 7.9 | $0.495 | 2/2 | 1.83s |
| #112 | LongCat 2.0 medium | Meituan | 6.5 | 7.4 | $0.499 | 1/2 | 7.38s |
| #164 | Claude Opus 4.7 none | Anthropic | 10.0 | 6.6 | $0.505 | 2/2 | 1.46s |
| #125 | KAT-Coder-Pro V2.5 high | Kwaipilot | 9.9 | 7.2 | $0.506 | 2/2 | 2.67s |
| #13 | GPT-5.6 Sol medium | OpenAI | 10.0 | 9.4 | $0.508 | 2/2 | 2.50s |
| #82 | GPT-5.6 Terra medium | OpenAI | 10.0 | 7.8 | $0.523 | 2/2 | 1.43s |
| #101 | GPT 5.3 Chat none | OpenAI | 9.8 | 7.5 | $0.533 | 2/2 | 3.51s |
| #38 | Gemini 3.5 Flash Lite high | 9.8 | 8.8 | $0.540 | 2/2 | 2.16s | |
| #138 | GPT-5.5 none | OpenAI | 6.2 | 7.0 | $0.544 | 1/2 | 1.15s |
| #308 | Grok Build 0.1 none | X AI | 9.8 | 4.0 | $0.547 | 2/2 | 7.36s |
| #189 | Claude Sonnet 5 none | Anthropic | 6.4 | 6.1 | $0.548 | 1/2 | 2.58s |
| #173 | Qwen3.6 27B medium | Qwen | 10.0 | 6.5 | $0.577 | 2/2 | 38.0s |
| #280 | Trinity Large Thinking high | Arcee AI | 6.3 | 4.8 | $0.592 | 1/2 | 4.12s |