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: النتيجة ↓.

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)
#317	Ling 3.1 Flash none	Inclusionai	5	0.5	$0.000	5/23	15.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 15.7s
#318	Gemini 2.5 Flash none	Google	1	0.5	$0.017	8/23	6.00s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.017 زمن الاستجابة (المتوسط) 6.00s
#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
#321	GLM 5V Turbo medium	Z.ai	1	0.5	$0.457	11/21	23.1s
إجمالي الاختبارات 21 الاختبارات الخاطئة 10 إجمالي التكلفة $0.457 زمن الاستجابة (المتوسط) 23.1s
#322	Seed-2.0-Code none	Bytedance Seed	2	0.5	$0.257	6/23	17.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.257 زمن الاستجابة (المتوسط) 17.5s
#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
#326	Hy4 preview low	Tencent	1	0.5	$1.844	3/23	207.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $1.844 زمن الاستجابة (المتوسط) 207.2s
#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
#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
#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
#332	Granite 4.2 8B low	IBM Granite	1	0.5	$0.036	7/23	58.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.036 زمن الاستجابة (المتوسط) 58.2s
#335	Laguna XS 2.1 none	Poolside	1	0.5	$0.020	5/23	4.56s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.020 زمن الاستجابة (المتوسط) 4.56s
#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
#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
#338	Ling 3.0 Flash none	Inclusionai	1	0.5	$0.004	6/23	3.40s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.004 زمن الاستجابة (المتوسط) 3.40s

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)