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 ↓.
216/216
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) |
|---|---|---|---|---|---|---|---|
| #102 | LongCat 2.0 high | Meituan | 6.5 | 6.6 | $0.469 | 1/2 | 6.96s |
| #109 | Qwen3.5-27B none | Qwen | 6.3 | 6.5 | $0.090 | 1/2 | 1.03s |
| #117 | LongCat 2.0 none | Meituan | 6.5 | 6.3 | $0.044 | 1/2 | 2.82s |
| #118 | Claude Sonnet 5 none | Anthropic | 6.4 | 6.3 | $0.548 | 1/2 | 2.58s |
| #121 | Gemma 4 31B none | 6.5 | 6.2 | $0.021 | 1/2 | 2.84s | |
| #123 | GPT-5.6 Luna low | OpenAI | 8.5 | 6.2 | $0.249 | 1/2 | 2.04s |
| #130 | Qwen3.6 Flash none | Qwen | 6.3 | 6.1 | $0.062 | 1/2 | 1.10s |
| #131 | Qwen3.5-Flash none | Qwen | 6.3 | 6.1 | $0.073 | 1/2 | 8.81s |
| #132 | Qwen3.5 Plus 2026-04-20 none | Qwen | 6.2 | 6.1 | $0.122 | 1/2 | 1.17s |
| #133 | Qwen3.5-35B-A3B none | Qwen | 6.3 | 6.1 | $0.106 | 1/2 | 809ms |
| #136 | Step 3.5 Flash medium | Stepfun | 8.3 | 6.0 | $0.108 | 1/2 | 4.78s |
| #138 | GPT-5.6 Terra none | OpenAI | 8.5 | 6.0 | $0.349 | 1/2 | 1.15s |
| #140 | Mimo V2 Omni medium | Xiaomi | 8.3 | 5.9 | $0.683 | 1/2 | 4.99s |
| #142 | GPT-5.4 Mini none | OpenAI | 6.3 | 5.9 | $0.095 | 1/2 | 728ms |
| #144 | Kimi K2.6 none | Moonshot AI | 6.5 | 5.8 | $0.184 | 1/2 | 1.64s |