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

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)
#90 Gemini 3.1 Flash Lite none Google 1 6.3 1/3 720ms
#94 GPT-5 Nano medium OpenAI 1 5.3 1/3 20.6s
#96 Ring-2.6-1T none Inclusionai 1 7.7 2/3 31.5s
#99 gpt-oss-120b medium OpenAI 1 5.3 1/3 21.7s
#100 Grok Build 0.1 none X AI 1 6.4 1/3 9.55s
#102 Gemma 4 26B A4B none Google 1 6.2 1/3 744ms
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 5.9 1/3 1.06s
#105 Nemotron 3 Super medium NVIDIA 1 3.0 0/3 3.15s
#109 GLM 5V Turbo none Z.ai 1 5.3 1/3 2.40s
#111 Owl Alpha medium Openrouter 1 5.3 1/3 3.40s
#115 Qwen3.5-27B none Qwen 1 6.7 1/3 1.38s
#116 Hunter Alpha none OpenRouter 1 5.8 1/3 3.71s
#117 Qwen3.5-35B-A3B none Qwen 1 3.7 0/3 1.35s
#118 Qwen3.6 27B none Qwen 1 5.3 1/3 5.15s
#119 Cobuddy medium Baidu 1 3.6 0/3 12.8s

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