指令遵循 x 超时排名

看看哪些 AI 模型在指令遵循上最容易遇到超时，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

领域专项46 编程26 智能体任务11 综合11 谜题求解11 反AI技巧8 指令遵循5 通用智能4 常识问答2 数据解析与提取2

5/5

排名	模型	公司	超时次数	分类得分	总成本	测试正确	响应时间（平均）
#272	Granite 4.2 8B medium	IBM Granite	1	0.4	$0.029	0/2	36.9s
总测试数 2 错误测试数 2 总成本 $0.029 响应时间（平均） 36.9s
#323	Granite 4.2 8B low	IBM Granite	1	0.3	$0.036	0/2	75.8s
总测试数 2 错误测试数 2 总成本 $0.036 响应时间（平均） 75.8s
#326	Laguna XS 2.1 none	Poolside	1	0.4	$0.020	0/2	364ms
总测试数 2 错误测试数 2 总成本 $0.020 响应时间（平均） 364ms
#380	Granite 4.2 8B none	IBM Granite	1	0.3	$0.037	0/2	79.5s
总测试数 2 错误测试数 2 总成本 $0.037 响应时间（平均） 79.5s
#362	Granite 4.2 8B high	IBM Granite	1	0.6	$0.111	1/2	87.5s
总测试数 2 错误测试数 1 总成本 $0.111 响应时间（平均） 87.5s

筛选模型