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: اختبارات صحيحة ↓.

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)
#24	Claude Opus 5.5 low	Anthropic	1	0.9	$1.733	19/23	25.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 4 إجمالي التكلفة $1.733 زمن الاستجابة (المتوسط) 25.7s
#25	Claude Opus 5.5 high	Anthropic	1	0.9	$2.133	19/23	27.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 4 إجمالي التكلفة $2.133 زمن الاستجابة (المتوسط) 27.6s
#392	Gemini 3.1 Flash Lite Preview high	Google	1	0.4	$2.310	13/16	68.1s
إجمالي الاختبارات 16 الاختبارات الخاطئة 3 إجمالي التكلفة $2.310 زمن الاستجابة (المتوسط) 68.1s
#34	Claude Sonnet 5.5 max	Anthropic	2	0.9	$8.557	18/23	84.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 5 إجمالي التكلفة $8.557 زمن الاستجابة (المتوسط) 84.3s
#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
#39	Claude Haiku 5.5 xhigh	Anthropic	1	0.9	$0.140	18/23	16.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 5 إجمالي التكلفة $0.140 زمن الاستجابة (المتوسط) 16.6s
#121	Gemini 3.5 Flash medium	Google	1	0.8	$1.316	18/23	11.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 5 إجمالي التكلفة $1.316 زمن الاستجابة (المتوسط) 11.8s
#355	Grok 4.20 Beta medium	X AI	1	0.5	$0.750	14/18	9.75s
إجمالي الاختبارات 18 الاختبارات الخاطئة 4 إجمالي التكلفة $0.750 زمن الاستجابة (المتوسط) 9.75s
#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
#38	GPT-5.3-Codex medium	OpenAI	2	0.9	$1.318	17/23	18.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $1.318 زمن الاستجابة (المتوسط) 18.9s
#40	Muse Spark 1.3 high	Meta	2	0.9	$1.891	17/23	52.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $1.891 زمن الاستجابة (المتوسط) 52.9s
#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
#53	GLM 5.3 Flash max	Z.ai	1	0.9	$0.089	17/23	54.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 6 إجمالي التكلفة $0.089 زمن الاستجابة (المتوسط) 54.0s
#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
#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

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)