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)
#59	Pareto 26.9 default	Unbiased	1	0.9	$1.864	15/23	28.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $1.864 زمن الاستجابة (المتوسط) 28.3s
#60	Qwen3.8 MAX low	Qwen	1	0.9	$1.089	17/23	25.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $1.089 زمن الاستجابة (المتوسط) 25.1s
#61	GPT-5.4 medium	OpenAI	2	0.9	$2.213	16/23	24.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $2.213 زمن الاستجابة (المتوسط) 24.8s
#62	Muse Spark Open medium	Meta	2	0.9	$1.260	15/23	77.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $1.260 زمن الاستجابة (المتوسط) 77.4s
#63	DeepSeek V4.1 Flash high	DeepSeek	1	0.9	$0.617	16/23	33.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.617 زمن الاستجابة (المتوسط) 33.3s
#64	DeepSeek V4.1 Flash medium	DeepSeek	1	0.9	$0.591	16/23	32.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.591 زمن الاستجابة (المتوسط) 32.9s
#65	Muse Spark 1.2 low	Meta	3	0.9	$0.881	16/23	11.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.881 زمن الاستجابة (المتوسط) 11.8s
#66	GPT-5.2 medium	OpenAI	3	0.9	$1.558	15/23	31.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $1.558 زمن الاستجابة (المتوسط) 31.3s
#67	Qwen3.8 27B high	Qwen	2	0.9	~$0.298	17/23	166.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة ~$0.298 زمن الاستجابة (المتوسط) 166.3s
#68	MiMo-V2.6-Pro medium	Xiaomi	1	0.9	$0.586	14/23	148.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.586 زمن الاستجابة (المتوسط) 148.1s
#69	Seed 2.1 Turbo medium	Bytedance Seed	1	0.9	$2.042	16/23	189.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $2.042 زمن الاستجابة (المتوسط) 189.1s
#71	DeepSeek V4.1 Flash max	DeepSeek	1	0.9	$1.204	15/23	61.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $1.204 زمن الاستجابة (المتوسط) 61.6s
#72	Muse Spark 1.1 low	Meta	3	0.9	$0.885	14/23	13.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.885 زمن الاستجابة (المتوسط) 13.2s
#73	Claude Sonnet 5.5 xhigh	Anthropic	1	0.9	$1.516	16/23	15.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $1.516 زمن الاستجابة (المتوسط) 15.0s
#75	Claude Haiku 5.5 low	Anthropic	2	0.9	$0.061	16/23	7.51s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.061 زمن الاستجابة (المتوسط) 7.51s

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)