指令遵循 x 答案错误排名 | AI BENCHY

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

6

失败总数

111

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878 反AI技巧502 编程477 谜题求解344 常识问答306 通用智能129 智能体任务126 综合126 指令遵循111 数据解析与提取93

111/111

排名	模型	公司	答案错误次数	分类得分	总成本	测试正确	响应时间（平均）
#434	D1 default	Liquid	1	0.2	$0.003	0/1	820ms
总测试数 1 错误测试数 1 总成本 $0.003 响应时间（平均） 820ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/2	752ms
总测试数 2 错误测试数 1 总成本 $0.001 响应时间（平均） 752ms
#437	Solar Decide Flash default	Upstage	1	0.2	$0.003	0/1	1.66s
总测试数 1 错误测试数 1 总成本 $0.003 响应时间（平均） 1.66s
#438	Microsoft-Decision-1 default	Microsoft	1	0.2	$0.002	0/1	997ms
总测试数 1 错误测试数 1 总成本 $0.002 响应时间（平均） 997ms
#440	Tev1 4B Experimental default	Togethercomputer	1	0.2	$0.002	0/1	555ms
总测试数 1 错误测试数 1 总成本 $0.002 响应时间（平均） 555ms
#441	Nimble v3 9B default	Bespoke Labs	1	0.2	~$0.001	0/1	469ms
总测试数 1 错误测试数 1 总成本 ~$0.001 响应时间（平均） 469ms

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