ترتيب إخفاقات لم يتبع التعليمات

اكتشف أي نماذج الذكاء الاصطناعي تواجه لم يتبع التعليمات أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار.

النماذج المعروضة

إجمالي الإخفاقات

522

النموذج الأكثر تأثرًا

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)
#324	Qwen3.8 27B none	Qwen	1	0.5	~$0.010	9/23	5.05s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة ~$0.010 زمن الاستجابة (المتوسط) 5.05s
#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
#327	MiMo-V2.6-Flash none	Xiaomi	1	0.5	$0.060	6/23	6.20s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.060 زمن الاستجابة (المتوسط) 6.20s
#330	Hy3 preview medium	Tencent	1	0.5	$0.049	14/21	16.3s
إجمالي الاختبارات 21 الاختبارات الخاطئة 7 إجمالي التكلفة $0.049 زمن الاستجابة (المتوسط) 16.3s
#332	Granite 4.2 8B low	IBM Granite	1	0.5	$0.036	7/23	58.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.036 زمن الاستجابة (المتوسط) 58.2s
#335	Laguna XS 2.1 none	Poolside	1	0.5	$0.020	5/23	4.56s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.020 زمن الاستجابة (المتوسط) 4.56s
#338	Ling 3.0 Flash none	Inclusionai	1	0.5	$0.004	6/23	3.40s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.004 زمن الاستجابة (المتوسط) 3.40s
#341	Mimo V2 PRO medium	Xiaomi	1	0.5	$0.333	12/21	22.2s
إجمالي الاختبارات 21 الاختبارات الخاطئة 9 إجمالي التكلفة $0.333 زمن الاستجابة (المتوسط) 22.2s
#342	MiMo-V2-Flash medium	Xiaomi	1	0.5	$0.043	12/21	20.1s
إجمالي الاختبارات 21 الاختبارات الخاطئة 9 إجمالي التكلفة $0.043 زمن الاستجابة (المتوسط) 20.1s
#344	Mistral Small 4 none	Mistral	1	0.5	$0.047	5/23	3.12s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.047 زمن الاستجابة (المتوسط) 3.12s
#346	KAT Coder AIR V2.5 medium	Kwaipilot	1	0.5	$0.048	8/23	8.32s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.048 زمن الاستجابة (المتوسط) 8.32s
#349	Laguna S 2.1 medium	Poolside	1	0.5	$0.092	4/23	63.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.092 زمن الاستجابة (المتوسط) 63.1s
#353	GPT-4o-mini default	OpenAI	1	0.5	$0.024	5/23	4.16s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.024 زمن الاستجابة (المتوسط) 4.16s
#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
#356	Inkling Small none	Thinkingmachines	1	0.5	$0.054	5/23	1.45s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.054 زمن الاستجابة (المتوسط) 1.45s

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)