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

8.5

بہترین ماڈل

Gemini 3.6 Flash 10.0

ناکامی کی وجوہات

ناکامی کی وجہ غلط جواب کے ساتھ82 ناکامی کی وجہ ہدایات پر عمل نہیں کیا کے ساتھ48 ناکامی کی وجہ اضافی فارمیٹنگ کے ساتھ7 ناکامی کی وجہ ٹائم آؤٹ کے ساتھ5 ناکامی کی وجہ API خرابی کے ساتھ2 ناکامی کی وجہ کوئی جواب نہیں کے ساتھ2

319/319

درجہ	ماڈل	کمپنی	ہدایات کی پیروی اسکور	اسکور	کل لاگت	درست ٹیسٹس	ردِعمل کا وقت (اوسط)
#47	Claude Fable 5 medium	Anthropic	10.0	8.6	$3.004	2/2	5.90s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $3.004 ردِعمل کا وقت (اوسط) 5.90s
#48	Qwen3.6 Max Preview medium	Qwen	10.0	8.6	$1.132	2/2	24.3s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $1.132 ردِعمل کا وقت (اوسط) 24.3s
#49	Qwen3.8 Max low	Qwen	10.0	8.6	$0.702	2/2	4.01s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.702 ردِعمل کا وقت (اوسط) 4.01s
#50	GPT-5.4 medium	OpenAI	10.0	8.5	$1.560	2/2	3.11s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $1.560 ردِعمل کا وقت (اوسط) 3.11s
#65	GPT-5 Mini medium	OpenAI	10.0	8.1	$0.241	2/2	11.6s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.241 ردِعمل کا وقت (اوسط) 11.6s
#71	GLM 5.2 high	Z.ai	10.0	8.0	$1.188	2/2	4.26s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $1.188 ردِعمل کا وقت (اوسط) 4.26s
#73	GPT-5.6 Terra high	OpenAI	10.0	8.0	$0.836	2/2	2.14s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.836 ردِعمل کا وقت (اوسط) 2.14s
#74	Kimi K3 max	Moonshot AI	10.0	7.9	$3.467	2/2	7.66s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $3.467 ردِعمل کا وقت (اوسط) 7.66s
#77	Qwen3.8 27B low	Qwen	10.0	7.9	~$0.071	2/2	2.43s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت ~$0.071 ردِعمل کا وقت (اوسط) 2.43s
#78	Qwen3.7 Plus medium	Qwen	10.0	7.9	$0.277	2/2	16.1s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.277 ردِعمل کا وقت (اوسط) 16.1s
#79	Qwen3.6 Plus medium	Qwen	10.0	7.8	$0.418	2/2	7.54s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.418 ردِعمل کا وقت (اوسط) 7.54s
#82	GPT-5.6 Terra medium	OpenAI	10.0	7.8	$0.523	2/2	1.43s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.523 ردِعمل کا وقت (اوسط) 1.43s
#83	Claude Sonnet 4.6 medium	Anthropic	10.0	7.8	$2.126	2/2	2.61s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $2.126 ردِعمل کا وقت (اوسط) 2.61s
#84	Qwen3.8 27B medium	Qwen	10.0	7.8	~$0.058	2/2	2.54s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت ~$0.058 ردِعمل کا وقت (اوسط) 2.54s
#85	Seed-2.0-Lite medium	Bytedance Seed	10.0	7.8	$0.236	2/2	7.26s
کل ٹیسٹس 2 غلط ٹیسٹس 0 کل لاگت $0.236 ردِعمل کا وقت (اوسط) 7.26s

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