通用智能 x 未遵循指令排名 | AI BENCHY

看看哪些 AI 模型在通用智能上最容易遇到未遵循指令，更快找出薄弱点。

显示的模型数

7

失败总数

142

受影响最多的模型

Claude Sonnet 5.5 1

失败原因

未遵循指令142 答案错误134 API 错误17 超时4

分类

谜题求解166 通用智能142 指令遵循77 反AI技巧52 编程50 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

142/142

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）
#415	Hunter Alpha default	OpenRouter	1	0.6	$0.000	0/1	2.71s
总测试数 1 错误测试数 1 总成本 $0.000 响应时间（平均） 2.71s
#419	Hy3 preview none	Tencent	1	0.4	$0.007	0/1	16.1s
总测试数 1 错误测试数 1 总成本 $0.007 响应时间（平均） 16.1s
#420	MiMo-V2-Flash default	Xiaomi	1	0.5	$0.025	0/1	1.67s
总测试数 1 错误测试数 1 总成本 $0.025 响应时间（平均） 1.67s
#421	Xing4.0 29b A4b none	Xingchen AGI	1	0.3	$0.000	0/1	15.7s
总测试数 1 错误测试数 1 总成本 $0.000 响应时间（平均） 15.7s
#424	Grok 4.1 Fast default	X AI	1	0.4	$0.008	0/1	1.08s
总测试数 1 错误测试数 1 总成本 $0.008 响应时间（平均） 1.08s
#442	Step 3.5 Flash none	Stepfun	1	0.4	$0.020	0/1	14.4s
总测试数 1 错误测试数 1 总成本 $0.020 响应时间（平均） 14.4s
#445	LFM2-24B-A2B default	Liquid	1	0.4	$0.001	0/1	395ms
总测试数 1 错误测试数 1 总成本 $0.001 响应时间（平均） 395ms

←

1 9 10

按未遵循指令次数排名的顶级模型

未遵循指令次数对比分数

按响应时间（平均）排名的顶级模型

按预估浪费成本排名的顶级模型