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)
#395	gpt-oss-120b none	OpenAI	2	0.4	$0.016	6/20	28.6s
إجمالي الاختبارات 20 الاختبارات الخاطئة 14 إجمالي التكلفة $0.016 زمن الاستجابة (المتوسط) 28.6s
#360	Ling 2.6 1t default	Inclusionai	2	0.5	$0.016	4/23	8.16s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.016 زمن الاستجابة (المتوسط) 8.16s
#350	Mercury 2.5 Preview low	Inception	2	0.5	$0.015	6/23	4.92s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.015 زمن الاستجابة (المتوسط) 4.92s
#440	Clef Omni default	Cloudflare	1	0.2	$0.011	2/12	880ms
إجمالي الاختبارات 12 الاختبارات الخاطئة 10 إجمالي التكلفة $0.011 زمن الاستجابة (المتوسط) 880ms
#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
#406	Nemotron 3.5 Lightning none	NVIDIA	1	0.4	$0.009	3/23	15.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.009 زمن الاستجابة (المتوسط) 15.9s
#388	Trinity Large Preview default	Arcee AI	3	0.4	$0.008	4/22	2.83s
إجمالي الاختبارات 22 الاختبارات الخاطئة 18 إجمالي التكلفة $0.008 زمن الاستجابة (المتوسط) 2.83s
#424	Grok 4.1 Fast default	X AI	3	0.3	$0.008	3/19	1.62s
إجمالي الاختبارات 19 الاختبارات الخاطئة 16 إجمالي التكلفة $0.008 زمن الاستجابة (المتوسط) 1.62s
#419	Hy3 preview none	Tencent	4	0.3	$0.007	4/21	12.9s
إجمالي الاختبارات 21 الاختبارات الخاطئة 17 إجمالي التكلفة $0.007 زمن الاستجابة (المتوسط) 12.9s
#405	Granite 4.1 8b default	IBM Granite	4	0.4	$0.007	2/23	1.38s
إجمالي الاختبارات 23 الاختبارات الخاطئة 21 إجمالي التكلفة $0.007 زمن الاستجابة (المتوسط) 1.38s
#436	GPT-6 Luna Decisions default	OpenAI	1	0.2	$0.005	3/12	495ms
إجمالي الاختبارات 12 الاختبارات الخاطئة 9 إجمالي التكلفة $0.005 زمن الاستجابة (المتوسط) 495ms
#425	Laguna Xs.2 default	Poolside	1	0.3	$0.004	5/19	806ms
إجمالي الاختبارات 19 الاختبارات الخاطئة 14 إجمالي التكلفة $0.004 زمن الاستجابة (المتوسط) 806ms
#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
#438	Jev 1.14 default	Typesafe	1	0.2	$0.003	4/12	377ms
إجمالي الاختبارات 12 الاختبارات الخاطئة 8 إجمالي التكلفة $0.003 زمن الاستجابة (المتوسط) 377ms
#430	d1-ultra default	Liquid	1	0.3	$0.003	4/12	531ms
إجمالي الاختبارات 12 الاختبارات الخاطئة 8 إجمالي التكلفة $0.003 زمن الاستجابة (المتوسط) 531ms

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)