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)
#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
#104	Seed-2.0-Lite medium	Bytedance Seed	2	0.8	$0.271	14/23	48.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.271 زمن الاستجابة (المتوسط) 48.9s
#108	DeepSeek V4 Flash 0423 high	DeepSeek	2	0.8	$0.261	14/23	56.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.261 زمن الاستجابة (المتوسط) 56.0s
#322	Seed-2.0-Code none	Bytedance Seed	2	0.5	$0.257	6/23	17.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.257 زمن الاستجابة (المتوسط) 17.5s
#220	GLM 5.2 none	Z.ai	1	0.7	$0.250	13/23	11.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.250 زمن الاستجابة (المتوسط) 11.3s
#112	GPT-5.4 Nano medium	OpenAI	2	0.8	$0.235	13/23	16.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.235 زمن الاستجابة (المتوسط) 16.0s
#193	Muse Glimmer 30B low	Meta	3	0.7	$0.219	11/23	22.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.219 زمن الاستجابة (المتوسط) 22.4s
#123	MiMo-V2.6-Flash medium	Xiaomi	1	0.8	$0.218	12/23	61.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.218 زمن الاستجابة (المتوسط) 61.9s
#278	Qwen3.5 Plus 2026-04-20 none	Qwen	2	0.6	$0.216	8/23	18.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.216 زمن الاستجابة (المتوسط) 18.5s
#233	GLM 5.3 low	Z.ai	1	0.6	$0.215	12/23	15.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.215 زمن الاستجابة (المتوسط) 15.2s
#155	GLM 5.3 FlashX high	Z.ai	1	0.7	$0.210	13/23	14.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.210 زمن الاستجابة (المتوسط) 14.9s
#182	MiMo-V2.6-Flash low	Xiaomi	2	0.7	$0.200	12/23	54.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.200 زمن الاستجابة (المتوسط) 54.6s
#179	Qwen3.8 Flash Next xhigh	Qwen	2	0.7	~$0.195	14/23	102.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة ~$0.195 زمن الاستجابة (المتوسط) 102.7s
#368	Nemotron 3.5 Lightning medium	NVIDIA	3	0.5	$0.195	5/23	81.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.195 زمن الاستجابة (المتوسط) 81.9s
#394	GLM 4.7 Flash medium	Z.ai	2	0.4	$0.193	4/23	150.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.193 زمن الاستجابة (المتوسط) 150.9s

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)