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

Claude Sonnet 5.5 2

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)
#399	Qwen3.5-9B medium	Qwen	1	0.4	$0.106	3/23	110.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.106 زمن الاستجابة (المتوسط) 110.2s
#328	Step 3.5 Flash medium	Stepfun	3	0.5	$0.105	10/22	190.5s
إجمالي الاختبارات 22 الاختبارات الخاطئة 12 إجمالي التكلفة $0.105 زمن الاستجابة (المتوسط) 190.5s
#336	Qwen3.6 35B A3B none	Qwen	2	0.5	$0.105	4/23	8.43s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.105 زمن الاستجابة (المتوسط) 8.43s
#300	Ring 2.6 1t medium	Inclusionai	2	0.6	$0.102	11/23	65.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.102 زمن الاستجابة (المتوسط) 65.5s
#211	Solar Pro 4 low	Upstage	2	0.7	$0.101	11/23	145.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.101 زمن الاستجابة (المتوسط) 145.2s
#241	Solar Pro 4 medium	Upstage	2	0.6	$0.098	12/23	133.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.098 زمن الاستجابة (المتوسط) 133.9s
#349	Laguna S 2.1 medium	Poolside	1	0.5	$0.092	4/23	63.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.092 زمن الاستجابة (المتوسط) 63.1s
#271	Gemini 3.1 Flash Lite Preview none	Google	2	0.6	$0.090	12/23	3.60s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.090 زمن الاستجابة (المتوسط) 3.60s
#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
#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
#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
#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
#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
#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
#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

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)