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: اختبارات صحيحة ↑.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

Xing4.0 29b A4b 5

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)
#399	Qwen3.5-9B medium	Qwen	1	0.4	$0.106	3/23	110.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.106 زمن الاستجابة (المتوسط) 110.2s
#406	Nemotron 3.5 Lightning none	NVIDIA	1	0.4	$0.009	3/23	15.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.009 زمن الاستجابة (المتوسط) 15.9s
#450	Nimble v3 9B default	Bespoke Labs	1	0.8	~$0.001	1/7	363ms
إجمالي الاختبارات 7 الاختبارات الخاطئة 6 إجمالي التكلفة ~$0.001 زمن الاستجابة (المتوسط) 363ms
#424	Grok 4.1 Fast default	X AI	3	0.3	$0.008	3/19	1.62s
إجمالي الاختبارات 19 الاختبارات الخاطئة 16 إجمالي التكلفة $0.008 زمن الاستجابة (المتوسط) 1.62s
#440	Clef Omni default	Cloudflare	1	0.2	$0.011	2/12	880ms
إجمالي الاختبارات 12 الاختبارات الخاطئة 10 إجمالي التكلفة $0.011 زمن الاستجابة (المتوسط) 880ms
#336	Qwen3.6 35B A3B none	Qwen	2	0.5	$0.105	4/23	8.43s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.105 زمن الاستجابة (المتوسط) 8.43s
#349	Laguna S 2.1 medium	Poolside	1	0.5	$0.092	4/23	63.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.092 زمن الاستجابة (المتوسط) 63.1s
#358	Laguna S 2.1 high	Poolside	1	0.5	$0.145	4/23	113.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.145 زمن الاستجابة (المتوسط) 113.6s
#360	Ling 2.6 1t default	Inclusionai	2	0.5	$0.016	4/23	8.16s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.016 زمن الاستجابة (المتوسط) 8.16s
#362	Qwen3.5-9B none	Qwen	2	0.5	$0.041	4/23	37.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.041 زمن الاستجابة (المتوسط) 37.2s
#367	Mercury 2.5 Preview default	Inception	1	0.5	$0.023	4/23	7.05s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.023 زمن الاستجابة (المتوسط) 7.05s
#369	North Mini Code default	Cohere	2	0.5	$0.000	4/23	29.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 29.5s
#374	GPT-5.4 Nano none	OpenAI	2	0.5	$0.068	4/23	4.42s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.068 زمن الاستجابة (المتوسط) 4.42s
#391	Mercury 2 none	Inception	2	0.4	$0.033	4/23	1.18s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.033 زمن الاستجابة (المتوسط) 1.18s
#394	GLM 4.7 Flash medium	Z.ai	2	0.4	$0.193	4/23	150.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.193 زمن الاستجابة (المتوسط) 150.9s

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)