指令遵循 x API 错误排名 | AI BENCHY

看看哪些 AI 模型在指令遵循上最容易遇到 API 错误，更快找出薄弱点。

显示的模型数

6

失败总数

25

受影响最多的模型

失败原因

答案错误111 未遵循指令73 API 错误25 额外格式8 超时5 无答案2

分类

编程65 综合62 反AI技巧44 领域专项40 工具调用39 智能体任务36 谜题求解35 数据解析与提取32 指令遵循25 常识问答19

21/21

排名	模型	公司	API 错误次数	分类得分	总成本	测试正确	响应时间（平均）
#239	Mercury 2.5 medium	Inception	1	0.6	$0.034	1/2	1.07s
总测试数 2 错误测试数 1 总成本 $0.034 响应时间（平均） 1.07s
#320	Ember-1 none	Fireworks	1	0.6	$0.786	1/2	31.0s
总测试数 2 错误测试数 1 总成本 $0.786 响应时间（平均） 31.0s
#336	Mercury 2.5 low	Inception	1	0.3	$0.020	0/2	972ms
总测试数 2 错误测试数 2 总成本 $0.020 响应时间（平均） 972ms
#389	Qwen3.6 Plus Preview medium	Qwen	1	0.7	$0.000	1/2	3.40s
总测试数 2 错误测试数 1 总成本 $0.000 响应时间（平均） 3.40s
#398	Xing4.0 29b A4b medium	Xingchen AGI	1	0.4	$0.000	0/2	25.4s
总测试数 2 错误测试数 2 总成本 $0.000 响应时间（平均） 25.4s
#412	Xing4.0 29b A4b none	Xingchen AGI	1	0.4	$0.000	0/2	11.7s
总测试数 2 错误测试数 2 总成本 $0.000 响应时间（平均） 11.7s

按 API 错误次数排名的顶级模型

API 错误次数对比分数

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