اتباع التعليمات: إجابة خاطئة
اتباع التعليمات
إجابة خاطئة
اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في اتباع التعليمات، حتى ترصد نقاط الضعف بسرعة أكبر. الترتيب حسب: زمن الاستجابة (المتوسط) ↑.
111/111
تصفية النماذج
لا توجد نماذج تطابق البحث والفلاتر الحالية.
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | إجمالي التكلفة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|
| #425 | Decider V1.1 27B default | Perplexity | 1 | 0.2 | $0.002 | 0/1 | 333ms |
| #396 | Granite 4.1 8b default | IBM Granite | 1 | 0.4 | $0.007 | 0/2 | 344ms |
| #326 | Laguna XS 2.1 none | Poolside | 1 | 0.4 | $0.020 | 0/2 | 364ms |
| #335 | Mistral Small 4 none | Mistral | 1 | 0.7 | $0.047 | 1/2 | 380ms |
| #340 | Laguna S 2.1 medium | Poolside | 1 | 0.4 | $0.092 | 0/2 | 400ms |
| #368 | Laguna S 2.1 low | Poolside | 1 | 0.4 | $0.108 | 0/2 | 423ms |
| #432 | Decider Flash V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 424ms |
| #416 | Laguna Xs.2 default | Poolside | 1 | 0.7 | $0.004 | 1/2 | 439ms |
| #407 | Grok 4.20 none | X AI | 1 | 0.6 | $0.057 | 1/2 | 445ms |
| #349 | Laguna S 2.1 high | Poolside | 1 | 0.5 | $0.145 | 0/2 | 453ms |
| #441 | Nimble v3 9B default | Bespoke Labs | 1 | 0.2 | ~$0.001 | 0/1 | 469ms |
| #388 | Mercury 2.5 none | Inception | 1 | 0.5 | $0.026 | 0/2 | 493ms |
| #424 | Decider V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 508ms |
| #397 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 0.7 | $0.009 | 1/2 | 511ms |
| #232 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.6 | $0.308 | 1/2 | 513ms |