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)
#380	Mimo V2 PRO default	Xiaomi	2	0.5	$0.045	7/21	2.27s
إجمالي الاختبارات 21 الاختبارات الخاطئة 14 إجمالي التكلفة $0.045 زمن الاستجابة (المتوسط) 2.27s
#114	Qwen3.8 Flash Next low	Qwen	1	0.8	~$0.045	15/23	23.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة ~$0.045 زمن الاستجابة (المتوسط) 23.7s
#370	Laguna S 2.1 none	Poolside	2	0.5	$0.044	2/23	17.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 21 إجمالي التكلفة $0.044 زمن الاستجابة (المتوسط) 17.7s
#342	MiMo-V2-Flash medium	Xiaomi	1	0.5	$0.043	12/21	20.1s
إجمالي الاختبارات 21 الاختبارات الخاطئة 9 إجمالي التكلفة $0.043 زمن الاستجابة (المتوسط) 20.1s
#362	Qwen3.5-9B none	Qwen	2	0.5	$0.041	4/23	37.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.041 زمن الاستجابة (المتوسط) 37.2s
#314	Nemotron 3.5 Super VL none	NVIDIA	2	0.6	$0.040	8/23	47.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.040 زمن الاستجابة (المتوسط) 47.0s
#230	Mercury 2.5 Preview high	Inception	2	0.6	$0.040	12/23	7.61s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.040 زمن الاستجابة (المتوسط) 7.61s
#204	Mercury 2.5 Preview medium	Inception	1	0.7	$0.039	15/23	6.66s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.039 زمن الاستجابة (المتوسط) 6.66s
#218	GLM 5.3 Flash low	Z.ai	2	0.7	$0.038	11/23	11.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.038 زمن الاستجابة (المتوسط) 11.8s
#389	Granite 4.2 8B none	IBM Granite	1	0.4	$0.037	3/23	84.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.037 زمن الاستجابة (المتوسط) 84.7s
#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
#391	Mercury 2 none	Inception	2	0.4	$0.033	4/23	1.18s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.033 زمن الاستجابة (المتوسط) 1.18s
#403	Laguna M.1 medium	Poolside	1	0.4	$0.033	9/19	14.7s
إجمالي الاختبارات 19 الاختبارات الخاطئة 10 إجمالي التكلفة $0.033 زمن الاستجابة (المتوسط) 14.7s
#144	GPT-6 Luna low	OpenAI	1	0.8	$0.033	12/23	23.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.033 زمن الاستجابة (المتوسط) 23.2s
#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

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)