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) |
|---|---|---|---|---|---|---|---|
| #203 | Gemini 2.5 Flash none | 10.0 | 6.0 | $0.017 | 2/2 | 590ms | |
| #273 | Mercury 2.5 Preview none | Inception | 6.3 | 4.9 | $0.018 | 1/2 | 1.26s |
| #193 | Qwen3.7 Flash none | Qwen | 6.3 | 6.1 | $0.019 | 1/2 | 892ms |
| #192 | gpt-oss-120b medium | OpenAI | 9.9 | 6.1 | $0.020 | 2/2 | 7.63s |
| #318 | Step 3.5 Flash none | Stepfun | 5.0 | 2.3 | $0.020 | 1/1 | 9.30s |
| #264 | Qwen3.5-9B none | Qwen | 6.5 | 5.1 | $0.021 | 1/2 | 514ms |
| #182 | Ling-3.0-flash high | Inclusionai | 10.0 | 6.4 | $0.021 | 2/2 | 1.85s |
| #240 | Mimo V2 Omni none | Xiaomi | 6.5 | 5.5 | $0.021 | 1/2 | 4.26s |
| #247 | DeepSeek V4 Flash 0731 none | DeepSeek | 5.0 | 5.4 | $0.021 | 0/2 | 1.42s |
| #259 | Mistral Small 4 none | Mistral | 6.5 | 5.1 | $0.022 | 1/2 | 380ms |
| #293 | Laguna S 2.1 none | Poolside | 4.3 | 4.5 | $0.022 | 0/2 | 566ms |
| #104 | Mercury 2.5 Preview medium | Inception | 9.8 | 7.5 | $0.024 | 2/2 | 1.35s |
| #304 | MiMo-V2-Flash none | Xiaomi | 6.5 | 4.0 | $0.025 | 1/2 | 857ms |
| #263 | MiMo-V2.5 none | Xiaomi | 6.5 | 5.1 | $0.025 | 1/2 | 751ms |
| #299 | Granite 4.2 8B none | IBM Granite | 3.0 | 4.3 | $0.026 | 0/2 | 79.5s |