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)
#363	Hy4 preview none	Tencent	2	0.5	$0.165	3/23	40.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.165 زمن الاستجابة (المتوسط) 40.4s
#170	Qwen3.8 27B medium	Qwen	2	0.7	~$0.073	14/23	40.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة ~$0.073 زمن الاستجابة (المتوسط) 40.1s
#175	GLM 5 medium	Z.ai	1	0.7	$0.479	15/22	39.0s
إجمالي الاختبارات 22 الاختبارات الخاطئة 7 إجمالي التكلفة $0.479 زمن الاستجابة (المتوسط) 39.0s
#442	Step 3.5 Flash none	Stepfun	1	0.2	$0.020	6/12	39.0s
إجمالي الاختبارات 12 الاختبارات الخاطئة 6 إجمالي التكلفة $0.020 زمن الاستجابة (المتوسط) 39.0s
#265	DeepSeek V4 Flash 0423 none	DeepSeek	1	0.6	$0.149	5/23	38.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.149 زمن الاستجابة (المتوسط) 38.6s
#390	Cobuddy medium	Baidu	3	0.4	$0.000	7/22	38.0s
إجمالي الاختبارات 22 الاختبارات الخاطئة 15 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 38.0s
#88	Muse Spark 1.1 high	Meta	2	0.8	$2.570	13/23	37.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $2.570 زمن الاستجابة (المتوسط) 37.4s
#362	Qwen3.5-9B none	Qwen	2	0.5	$0.041	4/23	37.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.041 زمن الاستجابة (المتوسط) 37.2s
#266	Grok 4.20 medium	X AI	2	0.6	$1.246	11/23	36.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $1.246 زمن الاستجابة (المتوسط) 36.7s
#206	Space Bunny Alpha max	Stealth	2	0.7	$0.000	11/23	36.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 36.2s
#228	Minimax M3.1 Flash high	Minimax	4	0.7	$0.000	9/23	34.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 34.0s
#141	Muse Glimmer 30B medium	Meta	1	0.8	$0.288	12/23	34.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.288 زمن الاستجابة (المتوسط) 34.0s
#276	Apodex 1.1 Mini low	Apodex	1	0.6	$0.000	11/23	33.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 33.7s
#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

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)