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)
#298	DeepSeek V4.1 Flash none	DeepSeek	2	0.6	$0.391	7/23	16.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.391 زمن الاستجابة (المتوسط) 16.6s
#297	GPT-5.6 Terra none	OpenAI	1	0.6	$0.377	8/23	4.11s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.377 زمن الاستجابة (المتوسط) 4.11s
#36	DeepSeek V4.1 Flash 1017 low	DeepSeek	1	0.9	$0.355	16/23	32.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 7 إجمالي التكلفة $0.355 زمن الاستجابة (المتوسط) 32.5s
#82	Nemotron 3.5 Super VL high	NVIDIA	2	0.8	$0.349	15/23	49.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.349 زمن الاستجابة (المتوسط) 49.9s
#341	Mimo V2 PRO medium	Xiaomi	1	0.5	$0.333	12/21	22.2s
إجمالي الاختبارات 21 الاختبارات الخاطئة 9 إجمالي التكلفة $0.333 زمن الاستجابة (المتوسط) 22.2s
#248	MiMo-V2.5-Pro medium	Xiaomi	2	0.6	$0.332	11/23	56.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.332 زمن الاستجابة (المتوسط) 56.7s
#351	MiniMax M2.7 medium	Minimax	5	0.5	$0.326	5/23	50.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.326 زمن الاستجابة (المتوسط) 50.3s
#269	GLM 5 Turbo medium	Z.ai	1	0.6	$0.323	14/21	23.0s
إجمالي الاختبارات 21 الاختبارات الخاطئة 7 إجمالي التكلفة $0.323 زمن الاستجابة (المتوسط) 23.0s
#84	GPT-5 Mini medium	OpenAI	3	0.8	$0.315	13/23	29.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.315 زمن الاستجابة (المتوسط) 29.4s
#238	Qwen3.5-122B-A10B none	Qwen	2	0.6	$0.308	7/23	14.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.308 زمن الاستجابة (المتوسط) 14.8s
#153	DeepSeek V4 Flash 0731 low	DeepSeek	1	0.7	$0.306	13/23	88.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.306 زمن الاستجابة (المتوسط) 88.1s
#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
#203	Inkling low	Thinkingmachines	2	0.7	$0.293	11/23	6.81s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.293 زمن الاستجابة (المتوسط) 6.81s
#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
#304	Mistral Large 4 none	Mistral	1	0.6	$0.290	6/23	20.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.290 زمن الاستجابة (المتوسط) 20.4s

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)