领域专项 x 额外格式排名

看看哪些 AI 模型在领域专项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654 超时41 无答案35 额外格式23 API 错误17 未遵循指令2

分类

反AI技巧29 编程26 领域专项23 谜题求解14 数据解析与提取8 指令遵循7 综合1

18/18

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）
#273	Grok 4.20 Multi Agent Beta medium	X AI	1	2.9	$5.599	0/3	24.7s
总测试数 3 错误测试数 3 总成本 $5.599 响应时间（平均） 24.7s
#277	Hunter Alpha medium	OpenRouter	1	3.0	$0.000	0/3	10.5s
总测试数 3 错误测试数 3 总成本 $0.000 响应时间（平均） 10.5s
#293	Grok 4.20 none	X AI	1	3.0	$0.057	0/3	687ms
总测试数 3 错误测试数 3 总成本 $0.057 响应时间（平均） 687ms

筛选模型