AI BENCHY
قارن الرسوم البيانية المنهجية
❤️ Made by XCS
Your ad here

إخفاقات AI BENCHY

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

41

إجمالي الإخفاقات

77

النموذج الأكثر تأثرًا

Gemini 3.1 Flash Lite Preview 1
الترتيب النموذج الشركة عدد لم يتبع التعليمات متوسط الدرجة اختبارات صحيحة زمن الاستجابة (المتوسط)
#8 Gemini 3.1 Flash Lite Preview high Google 1 8.2 12/16 68.8s
#12 Gemini 3.1 Flash Lite Preview medium Google 1 7.5 11/16 3.83s
#14 GLM 5 medium Z.ai 1 7.4 11/16 16.2s
#15 GPT-5.2 Chat none OpenAI 1 7.4 11/16 7.03s
#16 Gemini 2.5 Flash medium Google 1 7.4 11/16 12.4s
#17 Gemini 3.1 Flash Lite Preview low Google 1 7.3 11/16 3.36s
#18 DeepSeek V3.2 medium DeepSeek 1 7.3 11/16 39.5s
#21 MiMo-V2-Flash medium Xiaomi 1 7.2 11/16 25.3s
#23 Seed-2.0-Mini medium Bytedance Seed 1 6.9 10/16 65.1s
#24 Qwen3.5-Flash medium Qwen 1 6.9 10/16 70.8s
#25 Claude Sonnet 4.6 none Anthropic 1 6.8 10/16 5.57s
#37 Qwen3.5-Flash none Qwen 1 5.2 7/16 3.54s
#38 Gemini 2.5 Flash none Google 1 5.2 6/16 923ms
#40 Qwen3.5-122B-A10B none Qwen 1 5.0 6/16 3.72s
#44 GPT-5.4 none OpenAI 1 4.5 6/16 1.48s
#47 GPT-4o-mini none OpenAI 1 4.0 4/16 2.07s
#48 Qwen3 Coder Next none Qwen 1 4.0 4/16 11.7s
#51 Mercury 2 none Inception 1 3.4 4/16 596ms
#54 MiMo-V2-Flash none Xiaomi 1 2.9 3/16 2.97s
#3 GPT-5.3-Codex medium OpenAI 2 8.4 12/16 16.6s
#7 Qwen3.5-27B medium Qwen 2 8.2 12/16 52.1s
#9 GPT-5.4 medium OpenAI 2 8.0 12/16 20.1s
#19 GPT-5.3 Chat none OpenAI 2 7.3 10/16 5.96s
#22 Gemini 3.1 Flash Lite Preview none Google 2 7.1 10/16 1.33s
#28 Kimi K2.5 medium Moonshot AI 2 6.4 9/16 69.8s
#41 Qwen3.5-27B none Qwen 2 4.9 5/16 1.75s
#42 Qwen3.5-35B-A3B none Qwen 2 4.7 6/16 4.10s
#45 Trinity Large Preview none Arcee AI 2 4.2 5/16 3.15s
#49 GLM 4.7 Flash none Z.ai 2 3.9 4/16 2.99s
#52 GLM 4.7 Flash medium Z.ai 2 3.1 4/16 36.8s
#53 Grok 4.1 Fast none X AI 2 2.9 3/16 1.90s
#55 LFM2-24B-A2B none Liquid 2 2.6 1/16 811ms
#13 Step 3.5 Flash medium Stepfun 3 7.4 10/16 29.1s
#27 GPT-5.2 medium OpenAI 3 6.5 10/16 15.3s
#30 Grok 4.1 Fast medium X AI 3 6.2 9/16 26.3s
#34 GPT-5 Nano medium OpenAI 3 5.5 7/16 47.9s
#43 MiniMax M2.5 medium Minimax 3 4.7 5/16 43.0s
#32 GPT-5 Mini medium OpenAI 4 6.0 8/16 25.1s
#36 Mercury 2 medium Inception 4 5.3 7/16 2.36s
#39 gpt-oss-120b medium OpenAI 4 5.1 7/16 16.7s
#50 Qwen3 Coder Next medium Qwen 5 3.5 3/16 12.5s

أفضل النماذج حسب عدد لم يتبع التعليمات

عدد لم يتبع التعليمات مقابل متوسط الدرجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)