ترتيب إخفاقات لم يتبع التعليمات

اكتشف أي نماذج الذكاء الاصطناعي تواجه لم يتبع التعليمات أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار. الترتيب حسب: إجمالي التكلفة ↑.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

Minimax M3.1 Flash 1

الفئات

ضمن الفئة حل الألغاز166 ضمن الفئة الذكاء العام142 ضمن الفئة اتباع التعليمات77 ضمن الفئة حيل مضادة للذكاء الاصطناعي52 ضمن الفئة البرمجة50 ضمن الفئة استدعاء الأدوات13 ضمن الفئة مهام الوكلاء10 ضمن الفئة تحليل البيانات واستخراجها8 ضمن الفئة خاص بالمجال3 ضمن الفئة مجمّع1

293/293

الترتيب	النموذج	الشركة	عدد لم يتبع التعليمات	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#123	MiMo-V2.6-Flash medium	Xiaomi	1	0.8	$0.218	12/23	61.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.218 زمن الاستجابة (المتوسط) 61.9s
#193	Muse Glimmer 30B low	Meta	3	0.7	$0.219	11/23	22.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.219 زمن الاستجابة (المتوسط) 22.4s
#112	GPT-5.4 Nano medium	OpenAI	2	0.8	$0.235	13/23	16.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.235 زمن الاستجابة (المتوسط) 16.0s
#220	GLM 5.2 none	Z.ai	1	0.7	$0.250	13/23	11.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.250 زمن الاستجابة (المتوسط) 11.3s
#322	Seed-2.0-Code none	Bytedance Seed	2	0.5	$0.257	6/23	17.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.257 زمن الاستجابة (المتوسط) 17.5s
#108	DeepSeek V4 Flash 0423 high	DeepSeek	2	0.8	$0.261	14/23	56.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.261 زمن الاستجابة (المتوسط) 56.0s
#104	Seed-2.0-Lite medium	Bytedance Seed	2	0.8	$0.271	14/23	48.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.271 زمن الاستجابة (المتوسط) 48.9s
#141	Muse Glimmer 30B medium	Meta	1	0.8	$0.288	12/23	34.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.288 زمن الاستجابة (المتوسط) 34.0s
#304	Mistral Large 4 none	Mistral	1	0.6	$0.290	6/23	20.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.290 زمن الاستجابة (المتوسط) 20.4s
#277	Inkling none	Thinkingmachines	1	0.6	$0.292	7/23	5.30s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.292 زمن الاستجابة (المتوسط) 5.30s
#203	Inkling low	Thinkingmachines	2	0.7	$0.293	11/23	6.81s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.293 زمن الاستجابة (المتوسط) 6.81s
#67	Qwen3.8 27B high	Qwen	2	0.9	~$0.298	17/23	166.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة ~$0.298 زمن الاستجابة (المتوسط) 166.3s
#153	DeepSeek V4 Flash 0731 low	DeepSeek	1	0.7	$0.306	13/23	88.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.306 زمن الاستجابة (المتوسط) 88.1s
#238	Qwen3.5-122B-A10B none	Qwen	2	0.6	$0.308	7/23	14.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.308 زمن الاستجابة (المتوسط) 14.8s
#84	GPT-5 Mini medium	OpenAI	3	0.8	$0.315	13/23	29.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.315 زمن الاستجابة (المتوسط) 29.4s

إخفاقات لم يتبع التعليمات

تصفية النماذج

أفضل النماذج حسب عدد لم يتبع التعليمات

عدد لم يتبع التعليمات مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)