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) ↓.
293/293
تصفية النماذج
لا توجد نماذج تطابق البحث والفلاتر الحالية.
| الترتيب | النموذج | الشركة | عدد لم يتبع التعليمات | النتيجة | إجمالي التكلفة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|---|
| #247 | Gemini 3.5 Flash minimal | 1 | 0.6 | $0.508 | 13/23 | 4.67s | |
| #216 | GPT-5.6 Sol none | OpenAI | 1 | 0.7 | $0.795 | 12/23 | 4.61s |
| #335 | Laguna XS 2.1 none | Poolside | 1 | 0.5 | $0.020 | 5/23 | 4.56s |
| #374 | GPT-5.4 Nano none | OpenAI | 2 | 0.5 | $0.068 | 4/23 | 4.42s |
| #223 | Mercury 2 medium | Inception | 3 | 0.7 | $0.121 | 10/23 | 4.40s |
| #353 | GPT-4o-mini default | OpenAI | 1 | 0.5 | $0.024 | 5/23 | 4.16s |
| #297 | GPT-5.6 Terra none | OpenAI | 1 | 0.6 | $0.377 | 8/23 | 4.11s |
| #288 | Gemini 3.1 Flash Lite minimal | 3 | 0.6 | $0.080 | 10/23 | 3.95s | |
| #309 | GPT-5.4 none | OpenAI | 1 | 0.6 | $0.690 | 7/23 | 3.89s |
| #271 | Gemini 3.1 Flash Lite Preview none | 2 | 0.6 | $0.090 | 12/23 | 3.60s | |
| #290 | Gemini 3.1 Flash Lite none | 1 | 0.6 | $0.069 | 9/23 | 3.58s | |
| #296 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 1 | 0.6 | $0.055 | 8/23 | 3.46s |
| #338 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 6/23 | 3.40s |
| #303 | GPT-5.4 Mini none | OpenAI | 3 | 0.6 | $0.170 | 6/23 | 3.34s |
| #344 | Mistral Small 4 none | Mistral | 1 | 0.5 | $0.047 | 5/23 | 3.12s |