ترتيب البرمجة x لم يتبع التعليمات

اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور لم يتبع التعليمات في البرمجة، حتى ترصد نقاط الضعف بسرعة أكبر.

النماذج المعروضة

إجمالي الإخفاقات

النموذج الأكثر تأثرًا

أسباب الفشل

إجابة خاطئة337 خطأ API51 لا توجد إجابة39 انتهت المهلة27 تنسيق إضافي25 لم يتبع التعليمات25

الفئات

حل الألغاز120 الذكاء العام108 اتباع التعليمات46 حيل مضادة للذكاء الاصطناعي42 البرمجة25 استدعاء الأدوات12 تحليل البيانات واستخراجها7 خاص بالمجال2 مجمّع1

25/25

الترتيب	النموذج	الشركة	عدد لم يتبع التعليمات	درجة الفئة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#18	Gemini 3.5 Flash medium	Google	1	7.9	$0.665	2/3	12.6s
إجمالي الاختبارات 3 الاختبارات الخاطئة 1 إجمالي التكلفة $0.665 زمن الاستجابة (المتوسط) 12.6s
#42	Qwen3.8 27B high	Qwen	1	8.1	~$0.287	2/3	248.6s
إجمالي الاختبارات 3 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.287 زمن الاستجابة (المتوسط) 248.6s
#54	DeepSeek V4 Flash 0731 high	DeepSeek	1	6.3	$0.134	1/3	252.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.134 زمن الاستجابة (المتوسط) 252.7s
#74	Claude Opus 4.6 medium	Anthropic	1	5.7	$2.961	1/3	30.1s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $2.961 زمن الاستجابة (المتوسط) 30.1s
#95	Qwen3.8 2.4T A95B high	Qwen	1	5.9	$2.357	1/3	160.5s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $2.357 زمن الاستجابة (المتوسط) 160.5s
#104	Claude Opus 4.8 none	Anthropic	1	5.5	$1.166	1/3	3.29s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $1.166 زمن الاستجابة (المتوسط) 3.29s
#126	Seed-2.0-Code high	Bytedance Seed	1	6.2	$1.273	1/3	266.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $1.273 زمن الاستجابة (المتوسط) 266.7s
#133	DeepSeek V4 Pro none	DeepSeek	1	5.6	$0.351	1/3	13.4s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.351 زمن الاستجابة (المتوسط) 13.4s
#138	GLM 5.2 none	Z.ai	1	3.7	$0.153	0/3	7.55s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.153 زمن الاستجابة (المتوسط) 7.55s
#141	Gemini 3.5 Flash minimal	Google	1	5.6	$0.300	1/3	2.75s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.300 زمن الاستجابة (المتوسط) 2.75s
#176	Trinity Large Thinking medium	Arcee AI	1	7.5	$0.798	2/3	179.0s
إجمالي الاختبارات 3 الاختبارات الخاطئة 1 إجمالي التكلفة $0.798 زمن الاستجابة (المتوسط) 179.0s
#179	Qwen3.5 Plus 2026-04-20 none	Qwen	1	3.9	$0.122	0/3	1.69s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.122 زمن الاستجابة (المتوسط) 1.69s
#203	Kimi K2.6 none	Moonshot AI	1	5.5	$0.230	1/3	82.6s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.230 زمن الاستجابة (المتوسط) 82.6s
#222	MiMo-V2.5-Pro none	Xiaomi	1	4.3	$0.068	0/3	1.41s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.068 زمن الاستجابة (المتوسط) 1.41s
#244	DeepSeek V3.2 none	DeepSeek	1	3.1	$0.054	0/3	14.5s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.054 زمن الاستجابة (المتوسط) 14.5s

تصفية النماذج

أفضل النماذج حسب عدد لم يتبع التعليمات

عدد لم يتبع التعليمات مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)

أفضل النماذج حسب التكلفة المهدرة التقديرية

البرمجة: لم يتبع التعليمات

تصفية النماذج

أفضل النماذج حسب عدد لم يتبع التعليمات

عدد لم يتبع التعليمات مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)