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: زمن الاستجابة (المتوسط) ↑.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

Nimble v3 9B 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)
#152	Qwen3.6 Flash medium	Qwen	1	0.7	$0.783	13/23	45.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.783 زمن الاستجابة (المتوسط) 45.5s
#173	Qwen3.7 Flash high	Qwen	1	0.7	$0.063	13/23	45.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.063 زمن الاستجابة (المتوسط) 45.5s
#145	Qwen3.8 27B low	Qwen	1	0.8	~$0.089	15/23	46.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة ~$0.089 زمن الاستجابة (المتوسط) 46.6s
#314	Nemotron 3.5 Super VL none	NVIDIA	2	0.6	$0.040	8/23	47.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.040 زمن الاستجابة (المتوسط) 47.0s
#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
#384	Ring 2.6 1t default	Inclusionai	2	0.4	$0.026	9/23	48.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 48.9s
#183	MiMo-V2.5 medium	Xiaomi	1	0.7	$0.130	12/23	49.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.130 زمن الاستجابة (المتوسط) 49.2s
#82	Nemotron 3.5 Super VL high	NVIDIA	2	0.8	$0.349	15/23	49.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.349 زمن الاستجابة (المتوسط) 49.9s
#351	MiniMax M2.7 medium	Minimax	5	0.5	$0.326	5/23	50.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.326 زمن الاستجابة (المتوسط) 50.3s
#280	Granite 4.2 8B medium	IBM Granite	1	0.6	$0.029	8/23	50.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.029 زمن الاستجابة (المتوسط) 50.5s
#221	Qwen3.7 Flash medium	Qwen	4	0.7	$0.076	10/23	51.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.076 زمن الاستجابة (المتوسط) 51.8s
#40	Muse Spark 1.3 high	Meta	2	0.9	$1.891	17/23	52.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $1.891 زمن الاستجابة (المتوسط) 52.9s
#53	GLM 5.3 Flash max	Z.ai	1	0.9	$0.089	17/23	54.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $0.089 زمن الاستجابة (المتوسط) 54.0s
#182	MiMo-V2.6-Flash low	Xiaomi	2	0.7	$0.200	12/23	54.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.200 زمن الاستجابة (المتوسط) 54.6s
#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

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)