AI BENCHY
Advertise here

AI BENCHY 分类失败

指令遵循:答案错误

指令遵循
答案错误

看看哪些 AI 模型在 指令遵循 上最容易遇到 答案错误,更快找出薄弱点。

显示的模型数

15

失败总数

53

受影响最多的模型

Gemini 3.5 Flash 1
排名 模型 公司 答案错误 次数 分类得分 测试正确 响应时间(平均)
#134 GLM 5 Turbo none Z.ai 1 6.5 1/2 2.13s
#135 Kimi K2.5 none Moonshot AI 1 6.5 1/2 2.67s
#140 Qwen3 Coder Next none Qwen 1 6.3 1/2 7.78s
#141 Nemotron 3 Super none NVIDIA 1 6.3 1/2 804ms
#142 Mistral Small 4 none Mistral 1 6.5 1/2 380ms
#143 MiMo-V2.5 none Xiaomi 1 6.5 1/2 751ms
#144 GPT-5.4 Mini none OpenAI 1 6.3 1/2 728ms
#145 Laguna M.1 none Poolside 1 6.3 1/2 683ms
#146 Laguna Xs.2 none Poolside 1 6.5 1/2 439ms
#147 GPT-4o-mini none OpenAI 1 6.3 1/2 1.11s
#148 GPT-5.4 Nano none OpenAI 1 6.3 1/2 784ms
#150 Qwen3 Coder Next medium Qwen 1 6.3 1/2 7.49s
#151 Trinity Large Preview none Arcee AI 1 3.5 0/2 822ms
#152 MiMo-V2-Flash none Xiaomi 1 6.5 1/2 857ms
#153 Qwen3.6 35B A3B none Qwen 1 6.2 1/2 1.86s

按 答案错误 次数 排名的顶级模型

答案错误 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