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) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #120 | Gemini 3.1 Flash Lite medium | 9.9 | 7.3 | $0.120 | 2/2 | 2.59s | |
| #189 | Claude Sonnet 5 none | Anthropic | 6.4 | 6.1 | $0.548 | 1/2 | 2.58s |
| #143 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 9.9 | 6.9 | $0.478 | 2/2 | 2.58s |
| #174 | Laguna XS 2.1 medium | Poolside | 9.8 | 6.5 | $0.068 | 2/2 | 2.57s |
| #84 | Qwen3.8 27B medium | Qwen | 10.0 | 7.8 | ~$0.058 | 2/2 | 2.54s |
| #118 | KAT-Coder-Pro V2.5 low | Kwaipilot | 10.0 | 7.3 | $0.400 | 2/2 | 2.53s |
| #232 | Mimo V2 PRO none | Xiaomi | 6.5 | 5.6 | $0.045 | 1/2 | 2.51s |
| #13 | GPT-5.6 Sol medium | OpenAI | 10.0 | 9.4 | $0.508 | 2/2 | 2.50s |
| #19 | Gemini 3.7 Flash low | 10.0 | 9.2 | $0.207 | 2/2 | 2.47s | |
| #305 | Ling 3.0 Tiny none | Inclusionai | 3.1 | 4.0 | $0.000 | 0/2 | 2.44s |
| #90 | Claude Opus 4.6 medium | Anthropic | 10.0 | 7.7 | $2.961 | 2/2 | 2.43s |
| #77 | Qwen3.8 27B low | Qwen | 10.0 | 7.9 | ~$0.071 | 2/2 | 2.43s |
| #122 | DeepSeek V4 Flash 0731 medium | DeepSeek | 8.5 | 7.3 | $0.106 | 1/2 | 2.42s |
| #111 | GPT-5.6 Luna medium | OpenAI | 9.9 | 7.4 | $0.072 | 2/2 | 2.38s |
| #8 | GPT-5.6 Sol low | OpenAI | 10.0 | 9.5 | $0.357 | 2/2 | 2.27s |