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

386

النموذج الأكثر تأثرًا

Gemini 3.5 Flash 1

الفئات

ضمن الفئة حل الألغاز128 ضمن الفئة الذكاء العام115 ضمن الفئة اتباع التعليمات48 ضمن الفئة حيل مضادة للذكاء الاصطناعي44 ضمن الفئة البرمجة29 ضمن الفئة استدعاء الأدوات12 ضمن الفئة تحليل البيانات واستخراجها7 ضمن الفئة خاص بالمجال2 ضمن الفئة مجمّع1

215/215

الترتيب	النموذج	الشركة	عدد لم يتبع التعليمات	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#21	Gemini 3.5 Flash medium	Google	1	9.0	$0.665	18/22	8.48s
إجمالي الاختبارات 22 الاختبارات الخاطئة 4 إجمالي التكلفة $0.665 زمن الاستجابة (المتوسط) 8.48s
#245	Gemini 3.1 Flash Lite Preview high	Google	1	5.3	$2.310	13/16	68.1s
إجمالي الاختبارات 16 الاختبارات الخاطئة 3 إجمالي التكلفة $2.310 زمن الاستجابة (المتوسط) 68.1s
#196	Grok 4.20 Beta medium	X AI	1	6.0	$0.750	14/18	9.75s
إجمالي الاختبارات 18 الاختبارات الخاطئة 4 إجمالي التكلفة $0.750 زمن الاستجابة (المتوسط) 9.75s
#24	Grok 4.5 high	X AI	1	9.0	$2.252	17/22	72.3s
إجمالي الاختبارات 22 الاختبارات الخاطئة 5 إجمالي التكلفة $2.252 زمن الاستجابة (المتوسط) 72.3s
#25	GPT-5.3-Codex medium	OpenAI	2	8.9	$0.988	16/22	16.9s
إجمالي الاختبارات 22 الاختبارات الخاطئة 6 إجمالي التكلفة $0.988 زمن الاستجابة (المتوسط) 16.9s
#26	Muse Spark 1.3 high	Meta	2	8.9	$1.653	16/22	52.5s
إجمالي الاختبارات 22 الاختبارات الخاطئة 6 إجمالي التكلفة $1.653 زمن الاستجابة (المتوسط) 52.5s
#27	Seed 2.1 Turbo high	Bytedance Seed	1	8.9	$1.797	16/22	174.0s
إجمالي الاختبارات 22 الاختبارات الخاطئة 6 إجمالي التكلفة $1.797 زمن الاستجابة (المتوسط) 174.0s
#34	GLM 5.3 Flash max	Z.ai	1	8.7	$0.059	16/22	52.1s
إجمالي الاختبارات 22 الاختبارات الخاطئة 6 إجمالي التكلفة $0.059 زمن الاستجابة (المتوسط) 52.1s
#41	Qwen3.8 Max low	Qwen	1	8.6	$0.702	16/22	21.8s
إجمالي الاختبارات 22 الاختبارات الخاطئة 6 إجمالي التكلفة $0.702 زمن الاستجابة (المتوسط) 21.8s
#45	Grok 4.6 medium	X AI	1	8.4	$1.713	16/22	73.5s
إجمالي الاختبارات 22 الاختبارات الخاطئة 6 إجمالي التكلفة $1.713 زمن الاستجابة (المتوسط) 73.5s
#48	Qwen3.8 27B high	Qwen	2	8.4	~$0.287	16/22	167.9s
إجمالي الاختبارات 22 الاختبارات الخاطئة 6 إجمالي التكلفة ~$0.287 زمن الاستجابة (المتوسط) 167.9s
#80	GLM 5 medium	Z.ai	1	7.7	$0.228	15/21	33.5s
إجمالي الاختبارات 21 الاختبارات الخاطئة 6 إجمالي التكلفة $0.228 زمن الاستجابة (المتوسط) 33.5s
#38	Muse Spark 1.1 medium	Meta	2	8.6	$1.420	15/22	26.2s
إجمالي الاختبارات 22 الاختبارات الخاطئة 7 إجمالي التكلفة $1.420 زمن الاستجابة (المتوسط) 26.2s
#42	GPT-5.4 medium	OpenAI	2	8.5	$1.560	15/22	22.9s
إجمالي الاختبارات 22 الاختبارات الخاطئة 7 إجمالي التكلفة $1.560 زمن الاستجابة (المتوسط) 22.9s
#44	Muse Spark 1.2 low	Meta	3	8.4	$0.655	15/22	9.77s
إجمالي الاختبارات 22 الاختبارات الخاطئة 7 إجمالي التكلفة $0.655 زمن الاستجابة (المتوسط) 9.77s

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)