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: النتيجة ↑.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

LFM2-24B-A2B 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)
#89	DeepSeek V4 Flash 0731 high	DeepSeek	2	0.8	$0.576	15/23	118.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.576 زمن الاستجابة (المتوسط) 118.8s
#88	Muse Spark 1.1 high	Meta	2	0.8	$2.570	13/23	37.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $2.570 زمن الاستجابة (المتوسط) 37.4s
#87	Inkling high	Thinkingmachines	1	0.8	$1.238	16/23	62.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $1.238 زمن الاستجابة (المتوسط) 62.7s
#85	Muse Glimmer 30B xhigh	Meta	1	0.8	$0.585	14/23	97.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.585 زمن الاستجابة (المتوسط) 97.7s
#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
#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
#79	Claude Sonnet 5 medium	Anthropic	1	0.9	$1.438	16/23	15.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $1.438 زمن الاستجابة (المتوسط) 15.0s
#78	Muse Spark 1.3 low	Meta	1	0.9	$0.911	16/23	17.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.911 زمن الاستجابة (المتوسط) 17.7s
#75	Claude Haiku 5.5 low	Anthropic	2	0.9	$0.061	16/23	7.51s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.061 زمن الاستجابة (المتوسط) 7.51s
#72	Muse Spark 1.1 low	Meta	3	0.9	$0.885	14/23	13.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.885 زمن الاستجابة (المتوسط) 13.2s
#73	Claude Sonnet 5.5 xhigh	Anthropic	1	0.9	$1.516	16/23	15.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $1.516 زمن الاستجابة (المتوسط) 15.0s
#71	DeepSeek V4.1 Flash max	DeepSeek	1	0.9	$1.204	15/23	61.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $1.204 زمن الاستجابة (المتوسط) 61.6s
#69	Seed 2.1 Turbo medium	Bytedance Seed	1	0.9	$2.042	16/23	189.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $2.042 زمن الاستجابة (المتوسط) 189.1s
#68	MiMo-V2.6-Pro medium	Xiaomi	1	0.9	$0.586	14/23	148.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.586 زمن الاستجابة (المتوسط) 148.1s
#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

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)