领域专项 x 未遵循指令排名

看看哪些 AI 模型在领域专项上最容易遇到未遵循指令，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

谜题求解128 通用智能115 指令遵循48 反AI技巧44 编程29 工具调用12 数据解析与提取7 领域专项2 综合1

2/2

排名	模型	公司	未遵循指令次数	分类得分	总成本	测试正确	响应时间（平均）
#51	Muse Spark 1.1 low	Meta	1	3.6	$0.673	0/3	33.0s
总测试数 3 错误测试数 3 总成本 $0.673 响应时间（平均） 33.0s
#300	Grok Build 0.1 none	X AI	1	3.6	$0.547	0/3	103.7s
总测试数 3 错误测试数 3 总成本 $0.547 响应时间（平均） 103.7s

筛选模型