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)
#288	Gemini 3.1 Flash Lite minimal	Google	3	0.6	$0.080	10/23	3.95s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.080 زمن الاستجابة (المتوسط) 3.95s
#297	GPT-5.6 Terra none	OpenAI	1	0.6	$0.377	8/23	4.11s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.377 زمن الاستجابة (المتوسط) 4.11s
#353	GPT-4o-mini default	OpenAI	1	0.5	$0.024	5/23	4.16s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.024 زمن الاستجابة (المتوسط) 4.16s
#223	Mercury 2 medium	Inception	3	0.7	$0.121	10/23	4.40s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.121 زمن الاستجابة (المتوسط) 4.40s
#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
#335	Laguna XS 2.1 none	Poolside	1	0.5	$0.020	5/23	4.56s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.020 زمن الاستجابة (المتوسط) 4.56s
#216	GPT-5.6 Sol none	OpenAI	1	0.7	$0.795	12/23	4.61s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.795 زمن الاستجابة (المتوسط) 4.61s
#247	Gemini 3.5 Flash minimal	Google	1	0.6	$0.508	13/23	4.67s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.508 زمن الاستجابة (المتوسط) 4.67s
#415	Hunter Alpha default	OpenRouter	2	0.3	$0.000	6/18	4.70s
إجمالي الاختبارات 18 الاختبارات الخاطئة 12 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 4.70s
#254	Gemini 3.5 Flash Lite low	Google	1	0.6	$0.183	12/23	4.79s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.183 زمن الاستجابة (المتوسط) 4.79s
#245	Beam 1.0 501B A23B low	Reflection	2	0.6	$0.432	11/23	4.89s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.432 زمن الاستجابة (المتوسط) 4.89s
#350	Mercury 2.5 Preview low	Inception	2	0.5	$0.015	6/23	4.92s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.015 زمن الاستجابة (المتوسط) 4.92s
#324	Qwen3.8 27B none	Qwen	1	0.5	~$0.010	9/23	5.05s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة ~$0.010 زمن الاستجابة (المتوسط) 5.05s
#397	Mercury 2.5 none	Inception	4	0.4	$0.026	2/23	5.10s
إجمالي الاختبارات 23 الاختبارات الخاطئة 21 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 5.10s
#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

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)