编程 x 额外格式排名

看看哪些 AI 模型在编程上最容易遇到额外格式，更快找出薄弱点。

显示的模型数

失败总数

受影响最多的模型

失败原因

答案错误456 API 错误64 无答案41 未遵循指令41 额外格式36 超时24

分类

编程36 领域专项36 反AI技巧33 谜题求解16 数据解析与提取12 指令遵循8 综合1

33/33

排名	模型	公司	额外格式次数	分类得分	总成本	测试正确	响应时间（平均）
#347	Owl Alpha default	Openrouter	1	0.6	$0.000	1/3	36.9s
总测试数 3 错误测试数 2 总成本 $0.000 响应时间（平均） 36.9s
#351	Mimo V2 Omni default	Xiaomi	1	0.4	$0.021	0/3	2.75s
总测试数 3 错误测试数 3 总成本 $0.021 响应时间（平均） 2.75s
#371	Granite 4.1 8b default	IBM Granite	1	0.4	$0.007	0/3	775ms
总测试数 3 错误测试数 3 总成本 $0.007 响应时间（平均） 775ms

筛选模型