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: زمن الاستجابة (المتوسط) ↑.

النماذج المعروضة

41

إجمالي الإخفاقات

77

النموذج الأكثر تأثرًا

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

أفضل النماذج حسب عدد لم يتبع التعليمات

عدد لم يتبع التعليمات مقابل متوسط الدرجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)