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)
#407	Xing4.0 29b A4b medium	Xingchen AGI	3	0.4	$0.000	1/23	371.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 22 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 371.7s
#149	Mistral Large 4 high	Mistral	2	0.8	$1.391	12/23	263.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $1.391 زمن الاستجابة (المتوسط) 263.7s
#326	Hy4 preview low	Tencent	1	0.5	$1.844	3/23	207.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $1.844 زمن الاستجابة (المتوسط) 207.2s
#328	Step 3.5 Flash medium	Stepfun	3	0.5	$0.105	10/22	190.5s
إجمالي الاختبارات 22 الاختبارات الخاطئة 12 إجمالي التكلفة $0.105 زمن الاستجابة (المتوسط) 190.5s
#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
#37	Qwen3.8 Max (0902) high	Qwen	1	0.9	$3.306	18/23	186.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 5 إجمالي التكلفة $3.306 زمن الاستجابة (المتوسط) 186.1s
#43	Seed 2.1 Turbo high	Bytedance Seed	1	0.9	$1.892	17/23	170.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $1.892 زمن الاستجابة (المتوسط) 170.5s
#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
#189	Step 5 Preview high	Stepfun	1	0.7	$4.513	10/23	154.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $4.513 زمن الاستجابة (المتوسط) 154.4s
#30	Muse Spark Open high	Meta	1	0.9	$1.782	17/23	152.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $1.782 زمن الاستجابة (المتوسط) 152.0s
#165	LongCat 2.0 high	Meituan	2	0.7	$0.778	10/23	151.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.778 زمن الاستجابة (المتوسط) 151.7s
#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
#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
#211	Solar Pro 4 low	Upstage	2	0.7	$0.101	11/23	145.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.101 زمن الاستجابة (المتوسط) 145.2s
#207	Solar Pro 4 xhigh	Upstage	3	0.7	$0.067	12/23	142.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.067 زمن الاستجابة (المتوسط) 142.8s

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)