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. الترتيب حسب: زمن الاستجابة (المتوسط) ↓.

النماذج المعروضة

إجمالي الإخفاقات

النموذج الأكثر تأثرًا

Mistral Large 4 1

أسباب الفشل

إجابة خاطئة456 خطأ API64 لا توجد إجابة41 لم يتبع التعليمات41 تنسيق إضافي36 انتهت المهلة24

الفئات

حل الألغاز147 الذكاء العام134 اتباع التعليمات65 حيل مضادة للذكاء الاصطناعي49 البرمجة41 استدعاء الأدوات12 مهام الوكلاء10 تحليل البيانات واستخراجها8 خاص بالمجال3 مجمّع1

38/38

الترتيب	النموذج	الشركة	عدد لم يتبع التعليمات	درجة الفئة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#130	Mistral Large 4 high	Mistral	1	0.3	$1.391	0/3	1277.8s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $1.391 زمن الاستجابة (المتوسط) 1277.8s
#131	Seed-2.0-Code high	Bytedance Seed	1	0.6	$1.448	1/3	266.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $1.448 زمن الاستجابة (المتوسط) 266.7s
#77	DeepSeek V4 Flash 0731 high	DeepSeek	1	0.6	$0.576	1/3	252.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.576 زمن الاستجابة (المتوسط) 252.7s
#56	Qwen3.8 27B high	Qwen	1	0.8	~$0.298	2/3	248.6s
إجمالي الاختبارات 3 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.298 زمن الاستجابة (المتوسط) 248.6s
#269	Trinity Large Thinking high	Arcee AI	1	0.4	$0.794	0/3	245.0s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.794 زمن الاستجابة (المتوسط) 245.0s
#375	Ling 3.0 Tiny medium	Inclusionai	1	0.3	$0.000	0/3	212.0s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 212.0s
#160	Qwen3.8 Flash Next xhigh	Qwen	1	0.7	~$0.195	2/3	192.2s
إجمالي الاختبارات 3 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.195 زمن الاستجابة (المتوسط) 192.2s
#245	Trinity Large Thinking medium	Arcee AI	1	0.8	$0.862	2/3	179.0s
إجمالي الاختبارات 3 الاختبارات الخاطئة 1 إجمالي التكلفة $0.862 زمن الاستجابة (المتوسط) 179.0s
#373	Ling 3.0 Tiny high	Inclusionai	1	0.3	$0.000	0/3	177.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 177.7s
#374	Ling 3.0 Tiny low	Inclusionai	1	0.3	$0.000	0/3	170.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 170.7s
#108	Qwen3.8 2.4T A95B high	Qwen	1	0.6	$2.949	1/3	160.5s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $2.949 زمن الاستجابة (المتوسط) 160.5s
#231	Ling 3.1 Flash low	Inclusionai	1	0.6	$0.000	1/3	107.3s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 107.3s
#365	Qwen3.5-9B medium	Qwen	1	0.3	$0.106	0/3	100.9s
إجمالي الاختبارات 3 الاختبارات الخاطئة 3 إجمالي التكلفة $0.106 زمن الاستجابة (المتوسط) 100.9s
#266	DeepSeek V4.1 Flash none	DeepSeek	1	0.6	$0.391	1/3	83.7s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.391 زمن الاستجابة (المتوسط) 83.7s
#282	Kimi K2.6 none	Moonshot AI	1	0.6	$0.486	1/3	82.6s
إجمالي الاختبارات 3 الاختبارات الخاطئة 2 إجمالي التكلفة $0.486 زمن الاستجابة (المتوسط) 82.6s

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)