ترتيب اتباع التعليمات
اكتشف أي نماذج الذكاء الاصطناعي تؤدي أفضل في اتباع التعليمات، وأيها يظل أكثر اعتمادية، وأين تظهر أكبر الفجوات. الترتيب حسب: اختبارات صحيحة ↓.
216/216
تصفية النماذج
لا توجد نماذج تطابق البحث والفلاتر الحالية.
| الترتيب | النموذج | الشركة | درجة اتباع التعليمات | النتيجة | إجمالي التكلفة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|
| #102 | LongCat 2.0 high | Meituan | 6.5 | 6.6 | $0.469 | 1/2 | 6.96s |
| #109 | Qwen3.5-27B none | Qwen | 6.3 | 6.5 | $0.090 | 1/2 | 1.03s |
| #117 | LongCat 2.0 none | Meituan | 6.5 | 6.3 | $0.044 | 1/2 | 2.82s |
| #118 | Claude Sonnet 5 none | Anthropic | 6.4 | 6.3 | $0.548 | 1/2 | 2.58s |
| #121 | Gemma 4 31B none | 6.5 | 6.2 | $0.021 | 1/2 | 2.84s | |
| #123 | GPT-5.6 Luna low | OpenAI | 8.5 | 6.2 | $0.249 | 1/2 | 2.04s |
| #130 | Qwen3.6 Flash none | Qwen | 6.3 | 6.1 | $0.062 | 1/2 | 1.10s |
| #131 | Qwen3.5-Flash none | Qwen | 6.3 | 6.1 | $0.073 | 1/2 | 8.81s |
| #132 | Qwen3.5 Plus 2026-04-20 none | Qwen | 6.2 | 6.1 | $0.122 | 1/2 | 1.17s |
| #133 | Qwen3.5-35B-A3B none | Qwen | 6.3 | 6.1 | $0.106 | 1/2 | 809ms |
| #136 | Step 3.5 Flash medium | Stepfun | 8.3 | 6.0 | $0.108 | 1/2 | 4.78s |
| #138 | GPT-5.6 Terra none | OpenAI | 8.5 | 6.0 | $0.349 | 1/2 | 1.15s |
| #140 | Mimo V2 Omni medium | Xiaomi | 8.3 | 5.9 | $0.683 | 1/2 | 4.99s |
| #142 | GPT-5.4 Mini none | OpenAI | 6.3 | 5.9 | $0.095 | 1/2 | 728ms |
| #144 | Kimi K2.6 none | Moonshot AI | 6.5 | 5.8 | $0.184 | 1/2 | 1.64s |