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)
#161	GLM 5.3 Flash high	Z.ai	2	0.7	$0.056	13/23	29.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.056 زمن الاستجابة (المتوسط) 29.1s
#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
#296	DeepSeek V4.1 Flash 1017 none	DeepSeek	1	0.6	$0.055	8/23	3.46s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.055 زمن الاستجابة (المتوسط) 3.46s
#356	Inkling Small none	Thinkingmachines	1	0.5	$0.054	5/23	1.45s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.054 زمن الاستجابة (المتوسط) 1.45s
#270	DeepSeek V4 Flash 0731 none	DeepSeek	2	0.6	$0.053	5/23	27.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.053 زمن الاستجابة (المتوسط) 27.4s
#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
#330	Hy3 preview medium	Tencent	1	0.5	$0.049	14/21	16.3s
إجمالي الاختبارات 21 الاختبارات الخاطئة 7 إجمالي التكلفة $0.049 زمن الاستجابة (المتوسط) 16.3s
#198	GPT-5.6 Luna low	OpenAI	1	0.7	$0.049	11/23	6.96s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.049 زمن الاستجابة (المتوسط) 6.96s
#361	MiMo-V2.5 none	Xiaomi	1	0.5	$0.049	5/23	9.88s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.049 زمن الاستجابة (المتوسط) 9.88s
#346	KAT Coder AIR V2.5 medium	Kwaipilot	1	0.5	$0.048	8/23	8.32s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.048 زمن الاستجابة (المتوسط) 8.32s
#143	Qwen3.8 Flash Next medium	Qwen	1	0.8	~$0.047	15/23	24.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة ~$0.047 زمن الاستجابة (المتوسط) 24.8s
#95	GPT-6 Luna medium	OpenAI	1	0.8	$0.047	15/23	18.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.047 زمن الاستجابة (المتوسط) 18.1s
#344	Mistral Small 4 none	Mistral	1	0.5	$0.047	5/23	3.12s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.047 زمن الاستجابة (المتوسط) 3.12s
#396	GLM 5 Turbo none	Z.ai	2	0.4	$0.047	6/21	2.82s
إجمالي الاختبارات 21 الاختبارات الخاطئة 15 إجمالي التكلفة $0.047 زمن الاستجابة (المتوسط) 2.82s
#354	KAT Coder AIR V2.5 low	Kwaipilot	2	0.5	$0.046	7/23	10.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.046 زمن الاستجابة (المتوسط) 10.2s

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)