ہدایات کی پیروی ماڈل 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۔

دکھائے گئے ماڈلز

اوسط ہدایات کی پیروی اسکور

0.8

بہترین ماڈل

Gemini 3.6 Flash 1.0

ناکامی کی وجوہات

ناکامی کی وجہ غلط جواب کے ساتھ117 ناکامی کی وجہ ہدایات پر عمل نہیں کیا کے ساتھ77 ناکامی کی وجہ API خرابی کے ساتھ25 ناکامی کی وجہ اضافی فارمیٹنگ کے ساتھ8 ناکامی کی وجہ ٹائم آؤٹ کے ساتھ5 ناکامی کی وجہ کوئی جواب نہیں کے ساتھ2

451/451

درجہ	ماڈل	کمپنی	ہدایات کی پیروی اسکور	اسکور	کل لاگت	درست ٹیسٹس	ردِعمل کا وقت (اوسط)
#77	Grok 4.6 high	X AI	1.0	0.9	$2.629	2/2	13.8s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $2.629 ردِعمل کا وقت (اوسط) 13.8s
#78	Muse Spark 1.3 low	Meta	1.0	0.9	$0.911	2/2	5.04s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.911 ردِعمل کا وقت (اوسط) 5.04s
#83	Qwen3.8 2.4T A95B low	Qwen	1.0	0.8	$4.016	2/2	19.5s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $4.016 ردِعمل کا وقت (اوسط) 19.5s
#97	Ling 3.1 Flash medium	Inclusionai	1.0	0.8	$0.000	2/2	3.57s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.000 ردِعمل کا وقت (اوسط) 3.57s
#101	Grok 4.5 high	X AI	1.0	0.8	$2.687	2/2	6.23s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $2.687 ردِعمل کا وقت (اوسط) 6.23s
#105	Seed-2.0-Code low	Bytedance Seed	1.0	0.8	$0.881	2/2	12.2s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.881 ردِعمل کا وقت (اوسط) 12.2s
#111	Nemotron 3 Ultra medium	NVIDIA	1.0	0.8	$0.674	2/2	6.35s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.674 ردِعمل کا وقت (اوسط) 6.35s
#114	Qwen3.8 Flash Next low	Qwen	1.0	0.8	~$0.045	2/2	2.32s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت ~$0.045 ردِعمل کا وقت (اوسط) 2.32s
#119	GPT-5.4 Mini medium	OpenAI	1.0	0.8	$1.102	2/2	2.13s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $1.102 ردِعمل کا وقت (اوسط) 2.13s
#127	Grok 4.5 medium	X AI	1.0	0.8	$2.996	2/2	6.06s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $2.996 ردِعمل کا وقت (اوسط) 6.06s
#129	Step 3.7 Flash medium	Stepfun	1.0	0.8	$0.571	2/2	1.83s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.571 ردِعمل کا وقت (اوسط) 1.83s
#130	Grok 4.6 medium	X AI	1.0	0.8	$2.270	2/2	12.8s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $2.270 ردِعمل کا وقت (اوسط) 12.8s
#132	Grok 4.5 low	X AI	1.0	0.8	$1.345	2/2	2.80s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $1.345 ردِعمل کا وقت (اوسط) 2.80s
#141	Muse Glimmer 30B medium	Meta	1.0	0.8	$0.288	2/2	5.34s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.288 ردِعمل کا وقت (اوسط) 5.34s
#143	Qwen3.8 Flash Next medium	Qwen	1.0	0.8	~$0.047	2/2	2.04s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت ~$0.047 ردِعمل کا وقت (اوسط) 2.04s

ہدایات کی پیروی درجہ بندی

ماڈلز فلٹر کریں

ہدایات کی پیروی اسکور کے لحاظ سے سرفہرست ماڈلز

ہدایات کی پیروی اسکور بمقابلہ کل لاگت

ردِعمل کا وقت (اوسط) کے لحاظ سے سرفہرست ماڈلز