AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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

75

受影响最多的模型

GLM 5 Turbo 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)
#84 gpt-oss-120b none OpenAI 2 4.5 0/3 6.86s
#90 Qwen3.5-9B none Qwen 2 3.2 0/3 683ms
#92 Qwen3 Coder Next medium Qwen 2 3.1 0/3 2.30s
#6 Seed-2.0-Lite medium Bytedance Seed 1 9.0 2/3 11.0s
#7 GPT-5.3-Codex medium OpenAI 1 9.0 2/3 5.12s
#10 Qwen3.5-27B medium Qwen 1 8.2 2/3 64.6s
#14 Gemma 4 31B medium Google 1 8.8 2/3 27.6s
#16 GPT-5.4 medium OpenAI 1 8.2 2/3 9.13s
#23 MiMo-V2-Pro medium Xiaomi 1 7.0 1/3 4.71s
#24 Gemma 4 26B A4B medium Google 1 7.9 2/3 8.52s
#25 Grok 4.20 Beta medium X AI 1 8.2 2/3 3.85s
#30 Step 3.5 Flash medium Stepfun 1 5.3 1/3 7.72s
#31 GLM 5V Turbo medium Z.ai 1 7.7 2/3 10.9s
#35 MiMo-V2-Omni medium Xiaomi 1 6.5 1/3 3.88s
#40 GPT-5.2 medium OpenAI 1 7.7 2/3 5.47s

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