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)
#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
#388	Trinity Large Preview default	Arcee AI	3	0.4	$0.008	4/22	2.83s
إجمالي الاختبارات 22 الاختبارات الخاطئة 18 إجمالي التكلفة $0.008 زمن الاستجابة (المتوسط) 2.83s
#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
#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
#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
#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
#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
#395	gpt-oss-120b none	OpenAI	2	0.4	$0.016	6/20	28.6s
إجمالي الاختبارات 20 الاختبارات الخاطئة 14 إجمالي التكلفة $0.016 زمن الاستجابة (المتوسط) 28.6s
#386	Nemotron 3 Super none	NVIDIA	2	0.4	$0.016	5/23	7.11s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.016 زمن الاستجابة (المتوسط) 7.11s
#318	Gemini 2.5 Flash none	Google	1	0.5	$0.017	8/23	6.00s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.017 زمن الاستجابة (المتوسط) 6.00s
#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
#442	Step 3.5 Flash none	Stepfun	1	0.2	$0.020	6/12	39.0s
إجمالي الاختبارات 12 الاختبارات الخاطئة 6 إجمالي التكلفة $0.020 زمن الاستجابة (المتوسط) 39.0s
#385	Mimo V2 Omni default	Xiaomi	1	0.4	$0.021	8/21	2.44s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.021 زمن الاستجابة (المتوسط) 2.44s
#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
#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

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)