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: زمن الاستجابة (المتوسط) ↓.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

Xing4.0 29b A4b 3

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)
#215	GPT 5.3 Chat default	OpenAI	2	0.7	$0.533	13/23	6.31s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.533 زمن الاستجابة (المتوسط) 6.31s
#195	Gemini 3.1 Flash Lite medium	Google	1	0.7	$0.153	13/23	6.27s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.153 زمن الاستجابة (المتوسط) 6.27s
#347	MiMo-V2.5-Pro none	Xiaomi	4	0.5	$0.135	5/23	6.21s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.135 زمن الاستجابة (المتوسط) 6.21s
#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
#286	Inkling Small medium	Thinkingmachines	4	0.6	$0.113	10/23	6.03s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.113 زمن الاستجابة (المتوسط) 6.03s
#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
#99	Gemini 4 Argon low	Google	1	0.8	$0.438	15/23	5.72s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.438 زمن الاستجابة (المتوسط) 5.72s
#352	Dots 3 Note Preview default	Dots Studio	2	0.5	$0.000	3/23	5.36s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 5.36s
#277	Inkling none	Thinkingmachines	1	0.6	$0.292	7/23	5.30s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.292 زمن الاستجابة (المتوسط) 5.30s
#397	Mercury 2.5 none	Inception	4	0.4	$0.026	2/23	5.10s
إجمالي الاختبارات 23 الاختبارات الخاطئة 21 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 5.10s
#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
#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
#245	Beam 1.0 501B A23B low	Reflection	2	0.6	$0.432	11/23	4.89s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.432 زمن الاستجابة (المتوسط) 4.89s
#254	Gemini 3.5 Flash Lite low	Google	1	0.6	$0.183	12/23	4.79s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.183 زمن الاستجابة (المتوسط) 4.79s
#415	Hunter Alpha default	OpenRouter	2	0.3	$0.000	6/18	4.70s
إجمالي الاختبارات 18 الاختبارات الخاطئة 12 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 4.70s

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)