إخفاقات الفئات في AI BENCHY
الذكاء العام: لم يتبع التعليمات
الذكاء العام
لم يتبع التعليمات
اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور لم يتبع التعليمات في الذكاء العام، حتى ترصد نقاط الضعف بسرعة أكبر. الترتيب حسب: اختبارات صحيحة ↑.
أسباب الفشل
| الترتيب | النموذج | الشركة | عدد لم يتبع التعليمات | درجة الفئة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|
| #15 | GPT-5.3-Codex medium | OpenAI | 1 | 4.6 | 0/1 | 4.87s |
| #17 | GLM 5 medium | Z.ai | 1 | 6.1 | 0/1 | 14.7s |
| #19 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 6.7 | 0/1 | 18.2s |
| #21 | GPT-5.4 medium | OpenAI | 1 | 4.7 | 0/1 | 4.92s |
| #24 | GPT-5.2 Chat none | OpenAI | 1 | 4.4 | 0/1 | 3.20s |
| #26 | Qwen3.6 Plus medium | Qwen | 1 | 5.1 | 0/1 | 27.1s |
| #28 | Gemini 2.5 Flash medium | 1 | 4.8 | 0/1 | 4.86s | |
| #30 | Qwen3.5-27B medium | Qwen | 1 | 6.1 | 0/1 | 101.4s |
| #31 | DeepSeek V4 Flash high | DeepSeek | 1 | 6.1 | 0/1 | 25.2s |
| #38 | Grok 4.3 medium | X AI | 1 | 5.4 | 0/1 | 24.7s |
| #42 | GPT-5.2 medium | OpenAI | 1 | 3.7 | 0/1 | 4.32s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 5.5 | 0/1 | 4.02s |
| #45 | GPT-5.4 Mini medium | OpenAI | 1 | 4.5 | 0/1 | 3.72s |
| #46 | Qwen3.6 35B A3B medium | Qwen | 1 | 4.4 | 0/1 | 8.66s |
| #49 | Qwen3.5-Flash medium | Qwen | 1 | 6.1 | 0/1 | 40.1s |