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: زمن الاستجابة (المتوسط) ↓.

النماذج المعروضة

إجمالي الإخفاقات

386

النموذج الأكثر تأثرًا

Hy4 preview 1

الفئات

ضمن الفئة حل الألغاز128 ضمن الفئة الذكاء العام115 ضمن الفئة اتباع التعليمات48 ضمن الفئة حيل مضادة للذكاء الاصطناعي44 ضمن الفئة البرمجة29 ضمن الفئة استدعاء الأدوات12 ضمن الفئة تحليل البيانات واستخراجها7 ضمن الفئة خاص بالمجال2 ضمن الفئة مجمّع1

215/215

الترتيب	النموذج	الشركة	عدد لم يتبع التعليمات	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#248	Inkling none	Thinkingmachines	1	5.2	$0.147	6/22	3.47s
إجمالي الاختبارات 22 الاختبارات الخاطئة 16 إجمالي التكلفة $0.147 زمن الاستجابة (المتوسط) 3.47s
#231	Qwen3.8 27B none	Qwen	1	5.5	~$0.006	9/22	3.12s
إجمالي الاختبارات 22 الاختبارات الخاطئة 13 إجمالي التكلفة ~$0.006 زمن الاستجابة (المتوسط) 3.12s
#221	GLM 5V Turbo none	Z.ai	2	5.6	$0.052	8/21	2.99s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.052 زمن الاستجابة (المتوسط) 2.99s
#276	Trinity Large Preview none	Arcee AI	3	4.8	$0.008	4/21	2.98s
إجمالي الاختبارات 21 الاختبارات الخاطئة 17 إجمالي التكلفة $0.008 زمن الاستجابة (المتوسط) 2.98s
#131	Mercury 2 medium	Inception	3	7.0	$0.094	10/22	2.95s
إجمالي الاختبارات 22 الاختبارات الخاطئة 12 إجمالي التكلفة $0.094 زمن الاستجابة (المتوسط) 2.95s
#257	GLM 5 Turbo none	Z.ai	2	5.1	$0.047	6/21	2.82s
إجمالي الاختبارات 21 الاختبارات الخاطئة 15 إجمالي التكلفة $0.047 زمن الاستجابة (المتوسط) 2.82s
#296	MiMo-V2-Flash none	Xiaomi	2	4.0	$0.025	4/21	2.76s
إجمالي الاختبارات 21 الاختبارات الخاطئة 17 إجمالي التكلفة $0.025 زمن الاستجابة (المتوسط) 2.76s
#153	Gemini 3.5 Flash minimal	Google	1	6.7	$0.300	13/22	2.65s
إجمالي الاختبارات 22 الاختبارات الخاطئة 9 إجمالي التكلفة $0.300 زمن الاستجابة (المتوسط) 2.65s
#271	GPT-5.4 Nano none	OpenAI	2	4.8	$0.041	4/22	2.56s
إجمالي الاختبارات 22 الاختبارات الخاطئة 18 إجمالي التكلفة $0.041 زمن الاستجابة (المتوسط) 2.56s
#157	Gemini 3.5 Flash Lite low	Google	1	6.6	$0.138	12/22	2.56s
إجمالي الاختبارات 22 الاختبارات الخاطئة 10 إجمالي التكلفة $0.138 زمن الاستجابة (المتوسط) 2.56s
#232	Mimo V2 Omni none	Xiaomi	1	5.5	$0.021	8/21	2.44s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.021 زمن الاستجابة (المتوسط) 2.44s
#224	Mimo V2 PRO none	Xiaomi	2	5.6	$0.045	7/21	2.27s
إجمالي الاختبارات 21 الاختبارات الخاطئة 14 إجمالي التكلفة $0.045 زمن الاستجابة (المتوسط) 2.27s
#127	GPT-5.6 Sol none	OpenAI	1	7.0	$0.201	12/22	2.17s
إجمالي الاختبارات 22 الاختبارات الخاطئة 10 إجمالي التكلفة $0.201 زمن الاستجابة (المتوسط) 2.17s
#209	GPT-5.4 none	OpenAI	1	5.8	$0.397	7/22	2.08s
إجمالي الاختبارات 22 الاختبارات الخاطئة 15 إجمالي التكلفة $0.397 زمن الاستجابة (المتوسط) 2.08s
#214	Inkling Small low	Thinkingmachines	2	5.7	$0.055	9/22	2.07s
إجمالي الاختبارات 22 الاختبارات الخاطئة 13 إجمالي التكلفة $0.055 زمن الاستجابة (المتوسط) 2.07s

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)