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) |
|---|---|---|---|---|---|---|---|
| #237 | Laguna XS 2.1 medium | Poolside | 1.0 | 0.6 | $0.083 | 2/2 | 2.57s |
| #241 | Solar Pro 4 medium | Upstage | 1.0 | 0.6 | $0.098 | 2/2 | 40.1s |
| #242 | Claude Sonnet 4.6 medium | Anthropic | 1.0 | 0.6 | $2.126 | 2/2 | 2.61s |
| #244 | Kimi K2.5 medium | Moonshot AI | 1.0 | 0.6 | $0.841 | 2/2 | 92.5s |
| #248 | MiMo-V2.5-Pro medium | Xiaomi | 1.0 | 0.6 | $0.332 | 2/2 | 2.77s |
| #252 | Qwen3.5-35B-A3B medium | Qwen | 1.0 | 0.6 | $0.716 | 2/2 | 24.4s |
| #254 | Gemini 3.5 Flash Lite low | 1.0 | 0.6 | $0.183 | 2/2 | 1.75s | |
| #255 | Gemini 3.1 Flash Lite Preview low | 1.0 | 0.6 | $0.736 | 2/2 | 1.49s | |
| #257 | Gemini 3.1 Flash Lite low | 1.0 | 0.6 | $0.717 | 2/2 | 1.52s | |
| #259 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1.0 | 0.6 | $0.176 | 2/2 | 1.67s |
| #260 | Ling 3.1 Flash low | Inclusionai | 1.0 | 0.6 | $0.000 | 2/2 | 3.82s |
| #261 | Claude Opus 4.6 medium | Anthropic | 1.0 | 0.6 | $2.961 | 2/2 | 2.43s |
| #262 | Space Bunny Alpha medium | Stealth | 1.0 | 0.6 | $0.000 | 2/2 | 1.75s |
| #263 | DeepSeek V3.2 medium | DeepSeek | 1.0 | 0.6 | $0.152 | 2/2 | 35.8s |
| #266 | Grok 4.20 medium | X AI | 1.0 | 0.6 | $1.246 | 2/2 | 4.26s |