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: عدد الإخفاقات ↑.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

Claude Opus 5.5 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)
#292	Claude Sonnet 5 none	Anthropic	1	0.6	$1.095	7/23	8.60s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $1.095 زمن الاستجابة (المتوسط) 8.60s
#293	Nemotron 3 Ultra none	NVIDIA	1	0.6	$0.164	8/23	6.76s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.164 زمن الاستجابة (المتوسط) 6.76s
#294	Qwen3.7 Flash none	Qwen	1	0.6	$0.028	7/23	14.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.028 زمن الاستجابة (المتوسط) 14.7s
#296	DeepSeek V4.1 Flash 1017 none	DeepSeek	1	0.6	$0.055	8/23	3.46s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.055 زمن الاستجابة (المتوسط) 3.46s
#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
#304	Mistral Large 4 none	Mistral	1	0.6	$0.290	6/23	20.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.290 زمن الاستجابة (المتوسط) 20.4s
#307	Gemma 4 31B none	Google	1	0.6	$0.031	9/23	7.28s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.031 زمن الاستجابة (المتوسط) 7.28s
#309	GPT-5.4 none	OpenAI	1	0.6	$0.690	7/23	3.89s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.690 زمن الاستجابة (المتوسط) 3.89s
#311	Step 5 Preview low	Stepfun	1	0.6	$4.110	10/23	138.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $4.110 زمن الاستجابة (المتوسط) 138.3s
#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
#321	GLM 5V Turbo medium	Z.ai	1	0.5	$0.457	11/21	23.1s
إجمالي الاختبارات 21 الاختبارات الخاطئة 10 إجمالي التكلفة $0.457 زمن الاستجابة (المتوسط) 23.1s
#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
#326	Hy4 preview low	Tencent	1	0.5	$1.844	3/23	207.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $1.844 زمن الاستجابة (المتوسط) 207.2s
#327	MiMo-V2.6-Flash none	Xiaomi	1	0.5	$0.060	6/23	6.20s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.060 زمن الاستجابة (المتوسط) 6.20s
#330	Hy3 preview medium	Tencent	1	0.5	$0.049	14/21	16.3s
إجمالي الاختبارات 21 الاختبارات الخاطئة 7 إجمالي التكلفة $0.049 زمن الاستجابة (المتوسط) 16.3s

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)