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)
#258	Solar Pro 4 high	Upstage	3	0.6	$0.077	11/23	128.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.077 زمن الاستجابة (المتوسط) 128.9s
#221	Qwen3.7 Flash medium	Qwen	4	0.7	$0.076	10/23	51.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.076 زمن الاستجابة (المتوسط) 51.8s
#135	GPT-6 Luna high	OpenAI	1	0.8	$0.074	15/23	20.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.074 زمن الاستجابة (المتوسط) 20.4s
#170	Qwen3.8 27B medium	Qwen	2	0.7	~$0.073	14/23	40.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة ~$0.073 زمن الاستجابة (المتوسط) 40.1s
#140	Qwen3.7 Flash low	Qwen	3	0.8	$0.071	12/23	41.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.071 زمن الاستجابة (المتوسط) 41.0s
#372	Qwen3 Coder Next medium	Qwen	3	0.5	$0.071	3/23	17.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.071 زمن الاستجابة (المتوسط) 17.0s
#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
#402	Grok 4.1 Fast medium	X AI	4	0.4	$0.069	9/19	23.8s
إجمالي الاختبارات 19 الاختبارات الخاطئة 10 إجمالي التكلفة $0.069 زمن الاستجابة (المتوسط) 23.8s
#374	GPT-5.4 Nano none	OpenAI	2	0.5	$0.068	4/23	4.42s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.068 زمن الاستجابة (المتوسط) 4.42s
#207	Solar Pro 4 xhigh	Upstage	3	0.7	$0.067	12/23	142.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.067 زمن الاستجابة (المتوسط) 142.8s
#357	Qwen3 Coder Next default	Qwen	1	0.5	$0.067	5/23	19.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.067 زمن الاستجابة (المتوسط) 19.7s
#138	Claude Haiku 5.5 medium	Anthropic	2	0.8	$0.063	13/23	7.71s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.063 زمن الاستجابة (المتوسط) 7.71s
#173	Qwen3.7 Flash high	Qwen	1	0.7	$0.063	13/23	45.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.063 زمن الاستجابة (المتوسط) 45.5s
#75	Claude Haiku 5.5 low	Anthropic	2	0.9	$0.061	16/23	7.51s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.061 زمن الاستجابة (المتوسط) 7.51s
#327	MiMo-V2.6-Flash none	Xiaomi	1	0.5	$0.060	6/23	6.20s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.060 زمن الاستجابة (المتوسط) 6.20s

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)