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)
#402	Grok 4.1 Fast medium	X AI	4	0.4	$0.069	9/19	23.8s
إجمالي الاختبارات 19 الاختبارات الخاطئة 10 إجمالي التكلفة $0.069 زمن الاستجابة (المتوسط) 23.8s
#290	Gemini 3.1 Flash Lite none	Google	1	0.6	$0.069	9/23	3.58s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.069 زمن الاستجابة (المتوسط) 3.58s
#372	Qwen3 Coder Next medium	Qwen	3	0.5	$0.071	3/23	17.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.071 زمن الاستجابة (المتوسط) 17.0s
#140	Qwen3.7 Flash low	Qwen	3	0.8	$0.071	12/23	41.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.071 زمن الاستجابة (المتوسط) 41.0s
#170	Qwen3.8 27B medium	Qwen	2	0.7	~$0.073	14/23	40.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة ~$0.073 زمن الاستجابة (المتوسط) 40.1s
#135	GPT-6 Luna high	OpenAI	1	0.8	$0.074	15/23	20.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.074 زمن الاستجابة (المتوسط) 20.4s
#221	Qwen3.7 Flash medium	Qwen	4	0.7	$0.076	10/23	51.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.076 زمن الاستجابة (المتوسط) 51.8s
#258	Solar Pro 4 high	Upstage	3	0.6	$0.077	11/23	128.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.077 زمن الاستجابة (المتوسط) 128.9s
#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
#315	Nemotron 3 Super medium	NVIDIA	3	0.6	$0.081	8/23	56.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.081 زمن الاستجابة (المتوسط) 56.4s
#158	DeepSeek V4 Pro 0423 none	DeepSeek	2	0.7	$0.083	10/23	14.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.083 زمن الاستجابة (المتوسط) 14.1s
#411	Grok 4.20 Beta default	X AI	1	0.4	$0.087	6/18	1.19s
إجمالي الاختبارات 18 الاختبارات الخاطئة 12 إجمالي التكلفة $0.087 زمن الاستجابة (المتوسط) 1.19s
#92	Claude Haiku 5.5 high	Anthropic	1	0.8	$0.088	15/23	10.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.088 زمن الاستجابة (المتوسط) 10.4s
#53	GLM 5.3 Flash max	Z.ai	1	0.9	$0.089	17/23	54.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $0.089 زمن الاستجابة (المتوسط) 54.0s
#145	Qwen3.8 27B low	Qwen	1	0.8	~$0.089	15/23	46.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة ~$0.089 زمن الاستجابة (المتوسط) 46.6s

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)