通用智能 x 未遵循指令排名

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

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）
#143	Qwen3.8 Flash Next medium	Qwen	1	0.5	~$0.047	0/1	7.29s
总测试数 1 错误测试数 1 总成本 ~$0.047 响应时间（平均） 7.29s
#145	Qwen3.8 27B low	Qwen	1	0.5	~$0.089	0/1	5.37s
总测试数 1 错误测试数 1 总成本 ~$0.089 响应时间（平均） 5.37s
#148	Seed-2.0-Mini medium	Bytedance Seed	1	0.5	$0.140	0/1	36.7s
总测试数 1 错误测试数 1 总成本 $0.140 响应时间（平均） 36.7s
#154	Seed-2.0-Code medium	Bytedance Seed	1	0.5	$1.275	0/1	11.4s
总测试数 1 错误测试数 1 总成本 $1.275 响应时间（平均） 11.4s
#155	GLM 5.3 FlashX high	Z.ai	1	0.6	$0.210	0/1	2.28s
总测试数 1 错误测试数 1 总成本 $0.210 响应时间（平均） 2.28s
#161	GLM 5.3 Flash high	Z.ai	1	0.5	$0.056	0/1	3.33s
总测试数 1 错误测试数 1 总成本 $0.056 响应时间（平均） 3.33s
#164	Gemini 2.5 Flash medium	Google	1	0.5	$0.680	0/1	4.86s
总测试数 1 错误测试数 1 总成本 $0.680 响应时间（平均） 4.86s
#166	Qwen3.6 Plus medium	Qwen	1	0.5	$0.554	0/1	27.1s
总测试数 1 错误测试数 1 总成本 $0.554 响应时间（平均） 27.1s
#167	Gemini 3.5 Flash Lite medium	Google	1	0.5	$0.440	0/1	2.97s
总测试数 1 错误测试数 1 总成本 $0.440 响应时间（平均） 2.97s
#168	Qwen3.5-27B none	Qwen	1	0.5	$0.116	0/1	2.51s
总测试数 1 错误测试数 1 总成本 $0.116 响应时间（平均） 2.51s
#170	Qwen3.8 27B medium	Qwen	1	0.5	~$0.073	0/1	9.20s
总测试数 1 错误测试数 1 总成本 ~$0.073 响应时间（平均） 9.20s
#175	GLM 5 medium	Z.ai	1	0.6	$0.479	0/1	14.7s
总测试数 1 错误测试数 1 总成本 $0.479 响应时间（平均） 14.7s
#177	Qwen3.6 27B medium	Qwen	1	0.6	$1.021	0/1	39.5s
总测试数 1 错误测试数 1 总成本 $1.021 响应时间（平均） 39.5s
#179	Qwen3.8 Flash Next xhigh	Qwen	1	0.5	~$0.195	0/1	3.95s
总测试数 1 错误测试数 1 总成本 ~$0.195 响应时间（平均） 3.95s
#180	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/1	1.79s
总测试数 1 错误测试数 1 总成本 $0.114 响应时间（平均） 1.79s

筛选模型

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

通用智能：未遵循指令

筛选模型

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 排名的顶级模型仅估算 GPU 的电费，不包括计算机其他部件及硬件购置成本。 NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

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