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: متوسط الدرجة ↑.

النماذج المعروضة

41

إجمالي الإخفاقات

77

النموذج الأكثر تأثرًا

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

أفضل النماذج حسب عدد لم يتبع التعليمات

عدد لم يتبع التعليمات مقابل متوسط الدرجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)