ترتيب النماذج لفئة اتباع التعليمات

اكتشف أي نماذج الذكاء الاصطناعي تؤدي أفضل في اتباع التعليمات، وأيها يظل أكثر اعتمادية، وأين تظهر أكبر الفجوات. الترتيب حسب: زمن الاستجابة (المتوسط) ↑.

النماذج المعروضة

متوسط درجة اتباع التعليمات

8.5

أفضل نموذج

Granite 4.1 8B 3.6

أسباب الفشل

مع سبب الفشل إجابة خاطئة82 مع سبب الفشل لم يتبع التعليمات48 مع سبب الفشل تنسيق إضافي7 مع سبب الفشل انتهت المهلة5 مع سبب الفشل خطأ API2 مع سبب الفشل لا توجد إجابة2

316/316

الترتيب	النموذج	الشركة	درجة اتباع التعليمات	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#303	Granite 4.1 8B none	IBM Granite	3.6	4.0	$0.007	0/2	344ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.007 زمن الاستجابة (المتوسط) 344ms
#247	Laguna XS 2.1 none	Poolside	3.8	5.3	$0.008	0/2	364ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.008 زمن الاستجابة (المتوسط) 364ms
#256	Mistral Small 4 none	Mistral	6.5	5.1	$0.022	1/2	380ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.022 زمن الاستجابة (المتوسط) 380ms
#239	Laguna S 2.1 medium	Poolside	4.2	5.4	$0.053	0/2	400ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.053 زمن الاستجابة (المتوسط) 400ms
#266	Laguna S 2.1 low	Poolside	4.3	5.0	$0.082	0/2	423ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.082 زمن الاستجابة (المتوسط) 423ms
#311	Laguna Xs.2 none	Poolside	6.5	3.8	$0.004	1/2	439ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.004 زمن الاستجابة (المتوسط) 439ms
#298	Grok 4.20 none	X AI	6.3	4.1	$0.057	1/2	445ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.057 زمن الاستجابة (المتوسط) 445ms
#245	Laguna S 2.1 high	Poolside	4.6	5.4	$0.114	0/2	453ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.114 زمن الاستجابة (المتوسط) 453ms
#304	Nemotron 3.5 Lightning none	NVIDIA	6.5	4.0	$0.007	1/2	511ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.007 زمن الاستجابة (المتوسط) 511ms
#223	Qwen3.5-122B-A10B none	Qwen	6.3	5.7	$0.283	1/2	513ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.283 زمن الاستجابة (المتوسط) 513ms
#261	Qwen3.5-9B none	Qwen	6.5	5.1	$0.021	1/2	514ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.021 زمن الاستجابة (المتوسط) 514ms
#314	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	4.8	3.2	$0.000	0/2	541ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 541ms
#286	Mercury 2 none	Inception	6.5	4.7	$0.030	1/2	551ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.030 زمن الاستجابة (المتوسط) 551ms
#290	Laguna S 2.1 none	Poolside	4.3	4.5	$0.022	0/2	566ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.022 زمن الاستجابة (المتوسط) 566ms
#236	Qwen3.8 27B none	Qwen	6.3	5.5	~$0.006	1/2	582ms
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.006 زمن الاستجابة (المتوسط) 582ms

ترتيب اتباع التعليمات

تصفية النماذج

أفضل النماذج حسب درجة اتباع التعليمات

درجة اتباع التعليمات مقابل إجمالي التكلفة

أفضل النماذج حسب زمن الاستجابة (المتوسط)