AI BENCHY
Advertise here

AI BENCHY 分类失败

谜题求解:未遵循指令

谜题求解
未遵循指令

看看哪些 AI 模型在 谜题求解 上最容易遇到 未遵循指令,更快找出薄弱点。

显示的模型数

15

失败总数

78

受影响最多的模型

Gemini 3.1 Flash Lite 2
排名 模型 公司 未遵循指令 次数 分类得分 测试正确 响应时间(平均)
#53 Gemini 3.1 Flash Lite high Google 2 5.7 1/3 50.8s
#87 Gemini 3.1 Flash Lite minimal Google 2 6.0 1/3 2.15s
#153 Qwen3.6 35B A3B none Qwen 2 3.2 0/3 1.07s
#12 Gemini 3.1 Flash Lite Preview high Google 1 7.7 2/3 46.7s
#15 GPT-5.3-Codex medium OpenAI 1 9.0 2/3 5.05s
#19 Seed-2.0-Lite medium Bytedance Seed 1 9.0 2/3 10.2s
#21 GPT-5.4 medium OpenAI 1 8.2 2/3 9.14s
#23 GLM 5 Turbo medium Z.ai 1 8.7 2/3 5.23s
#30 Qwen3.5-27B medium Qwen 1 8.2 2/3 59.6s
#31 DeepSeek V4 Flash high DeepSeek 1 8.2 2/3 26.1s
#33 Hy3 preview medium Tencent 1 7.7 2/3 11.1s
#38 Grok 4.3 medium X AI 1 5.9 1/3 22.5s
#39 Qwen3.6 Flash medium Qwen 1 8.2 2/3 6.29s
#42 GPT-5.2 medium OpenAI 1 7.5 2/3 5.80s
#43 MiMo-V2.5-Pro medium Xiaomi 1 6.7 1/3 5.31s

按 未遵循指令 次数 排名的顶级模型

未遵循指令 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