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。排序方式: 测试正确 ↑.

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878 无答案63 超时46 API 错误40 额外格式36 未遵循指令3

分类

谜题求解160 通用智能141 指令遵循73 反AI技巧52 编程45 工具调用13 智能体任务10 数据解析与提取8 领域专项3 综合1

3/3

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）
#71	Muse Spark 1.1 low	Meta	1	0.4	$0.885	0/3	33.0s
总测试数 3 错误测试数 3 总成本 $0.885 响应时间（平均） 33.0s
#308	Ling 3.1 Flash none	Inclusionai	1	0.3	$0.000	0/3	1.72s
总测试数 3 错误测试数 3 总成本 $0.000 响应时间（平均） 1.72s
#413	Grok Build 0.1 none	X AI	1	0.4	$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