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 ↑.
451/451
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) |
|---|---|---|---|---|---|---|---|
| #203 | Inkling low | Thinkingmachines | 1.0 | 0.7 | $0.293 | 2/2 | 1.81s |
| #204 | Mercury 2.5 Preview medium | Inception | 1.0 | 0.7 | $0.039 | 2/2 | 1.35s |
| #205 | GPT-6 Sol none | OpenAI | 1.0 | 0.7 | $0.551 | 2/2 | 1.23s |
| #208 | Grok 4.7 xhigh | X AI | 1.0 | 0.7 | $3.398 | 2/2 | 17.3s |
| #209 | Grok Build 0.1 medium | X AI | 1.0 | 0.7 | $1.419 | 2/2 | 12.4s |
| #213 | MiniMax M3 medium | Minimax | 1.0 | 0.7 | $0.422 | 2/2 | 6.14s |
| #215 | GPT 5.3 Chat default | OpenAI | 1.0 | 0.7 | $0.533 | 2/2 | 3.51s |
| #218 | GLM 5.3 Flash low | Z.ai | 1.0 | 0.7 | $0.038 | 2/2 | 1.65s |
| #220 | GLM 5.2 none | Z.ai | 1.0 | 0.7 | $0.250 | 2/2 | 3.84s |
| #223 | Mercury 2 medium | Inception | 1.0 | 0.7 | $0.121 | 2/2 | 1.07s |
| #224 | Step 3.7 Flash high | Stepfun | 1.0 | 0.7 | $1.478 | 2/2 | 1.52s |
| #225 | Beam 1.0 501B A23B medium | Reflection | 1.0 | 0.7 | $0.499 | 2/2 | 1.24s |
| #226 | KAT-Coder-Pro V2.5 low | Kwaipilot | 1.0 | 0.7 | $0.568 | 2/2 | 2.53s |
| #229 | Qwen3.6 35B A3B medium | Qwen | 1.0 | 0.7 | $0.834 | 2/2 | 7.50s |
| #230 | Mercury 2.5 Preview high | Inception | 1.0 | 0.6 | $0.040 | 2/2 | 1.05s |