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

受影响最多的模型

失败原因

未遵循指令78 答案错误59 API 错误12 超时4

分类

谜题求解90 通用智能78 反AI技巧33 指令遵循18 编程16 工具调用8 综合1 领域专项1

78/78

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）
#203	Grok 4.1 Fast none	X AI	1	4.4	$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
#209	Step 3.5 Flash none	Stepfun	1	4.0	$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
#210	LFM2-24B-A2B none	Liquid	1	4.0	$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 2 3 4 5 6

筛选模型