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) |
|---|---|---|---|---|---|---|
| #56 | Grok 4.20 Multi Agent Beta medium | X AI | 8.3 | 6.4 | 1/2 | 4.63s |
| #71 | MiniMax M2.5 medium | Minimax | 8.1 | 5.7 | 1/2 | 4.64s |
| #35 | MiMo-V2-Omni medium | Xiaomi | 8.3 | 7.7 | 1/2 | 4.92s |
| #25 | Grok 4.20 Beta medium | X AI | 8.3 | 8.0 | 1/2 | 4.97s |
| #30 | Step 3.5 Flash medium | Stepfun | 8.5 | 7.9 | 1/2 | 4.98s |
| #84 | gpt-oss-120b none | OpenAI | 8.4 | 5.2 | 1/2 | 5.10s |
| #52 | Grok 4.1 Fast medium | X AI | 6.6 | 6.7 | 1/2 | 5.30s |
| #18 | GLM 5 Turbo medium | Z.ai | 10.0 | 8.1 | 2/2 | 5.38s |
| #28 | GPT-5.2 Chat none | OpenAI | 7.5 | 7.9 | 1/2 | 5.46s |
| #1 | Gemini 3 Flash Preview medium | 10.0 | 10.0 | 2/2 | 6.10s | |
| #5 | Gemini 3 Flash Preview low | 9.9 | 8.8 | 2/2 | 7.02s | |
| #13 | GLM 5 medium | Z.ai | 10.0 | 8.4 | 2/2 | 7.25s |
| #6 | Seed-2.0-Lite medium | Bytedance Seed | 10.0 | 8.6 | 2/2 | 7.26s |
| #92 | Qwen3 Coder Next medium | Qwen | 4.8 | 4.7 | 0/2 | 7.34s |
| #33 | GLM 5.1 medium | Z.ai | 6.4 | 7.8 | 1/2 | 7.47s |