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: اختبارات صحيحة ↓.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

Claude Opus 5.5 1

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)
#307	Gemma 4 31B none	Google	1	0.6	$0.031	9/23	7.28s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.031 زمن الاستجابة (المتوسط) 7.28s
#320	Gemma 4 26B A4B none	Google	2	0.5	$0.031	9/23	10.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.031 زمن الاستجابة (المتوسط) 10.5s
#324	Qwen3.8 27B none	Qwen	1	0.5	~$0.010	9/23	5.05s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة ~$0.010 زمن الاستجابة (المتوسط) 5.05s
#337	Inkling Small low	Thinkingmachines	2	0.5	$0.055	9/23	1.99s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.055 زمن الاستجابة (المتوسط) 1.99s
#384	Ring 2.6 1t default	Inclusionai	2	0.4	$0.026	9/23	48.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 48.9s
#376	GLM 5V Turbo none	Z.ai	2	0.5	$0.052	8/21	2.99s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.052 زمن الاستجابة (المتوسط) 2.99s
#379	Owl Alpha medium	Openrouter	2	0.5	$0.000	8/21	11.9s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 11.9s
#385	Mimo V2 Omni default	Xiaomi	1	0.4	$0.021	8/21	2.44s
إجمالي الاختبارات 21 الاختبارات الخاطئة 13 إجمالي التكلفة $0.021 زمن الاستجابة (المتوسط) 2.44s
#422	Grok Build 0.1 none	X AI	2	0.3	$0.547	7/19	28.7s
إجمالي الاختبارات 19 الاختبارات الخاطئة 12 إجمالي التكلفة $0.547 زمن الاستجابة (المتوسط) 28.7s
#253	Qwen3.6 27B none	Qwen	2	0.6	$0.148	8/23	12.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.148 زمن الاستجابة (المتوسط) 12.7s
#256	Minimax M3.1 Flash medium	Minimax	3	0.6	$0.000	8/23	19.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 19.5s
#264	Trinity Large Thinking low	Arcee AI	3	0.6	$0.918	8/23	95.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.918 زمن الاستجابة (المتوسط) 95.2s
#275	Trinity Large Thinking medium	Arcee AI	4	0.6	$0.862	8/23	84.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.862 زمن الاستجابة (المتوسط) 84.0s
#278	Qwen3.5 Plus 2026-04-20 none	Qwen	2	0.6	$0.216	8/23	18.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.216 زمن الاستجابة (المتوسط) 18.5s
#280	Granite 4.2 8B medium	IBM Granite	1	0.6	$0.029	8/23	50.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.029 زمن الاستجابة (المتوسط) 50.5s

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)