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)
#376	GLM 5V Turbo none	Z.ai	2	0.5	$0.052	8/21	2.99s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.052 زمن الاستجابة (المتوسط) 2.99s
#379	Owl Alpha medium	Openrouter	2	0.5	$0.000	8/21	11.9s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 11.9s
#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
#227	Claude Sonnet 5.5 medium	Anthropic	3	0.7	$1.100	9/23	8.03s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $1.100 زمن الاستجابة (المتوسط) 8.03s
#228	Minimax M3.1 Flash high	Minimax	4	0.7	$0.000	9/23	34.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 34.0s
#267	Space Bunny Alpha xhigh	Stealth	2	0.6	$0.000	9/23	60.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 60.0s
#285	MiMo-V2.6-Pro none	Xiaomi	1	0.6	$0.193	9/23	9.66s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.193 زمن الاستجابة (المتوسط) 9.66s
#289	gpt-oss-120b medium	OpenAI	3	0.6	$0.030	9/23	31.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.030 زمن الاستجابة (المتوسط) 31.6s
#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
#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
#320	Gemma 4 26B A4B none	Google	2	0.5	$0.031	9/23	10.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.031 زمن الاستجابة (المتوسط) 10.5s
#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
#337	Inkling Small low	Thinkingmachines	2	0.5	$0.055	9/23	1.99s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.055 زمن الاستجابة (المتوسط) 1.99s
#384	Ring 2.6 1t default	Inclusionai	2	0.4	$0.026	9/23	48.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 48.9s
#433	Decider V1.2 default	Perplexity	1	0.3	$0.001	5/12	517ms
إجمالي الاختبارات 12 الاختبارات الخاطئة 7 إجمالي التكلفة $0.001 زمن الاستجابة (المتوسط) 517ms

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)