AI BENCHY
Advertise here

AI BENCHY 分类

指令遵循 排名

看看哪些 AI 模型在 指令遵循 上表现最好,哪些更稳定,以及差距主要出现在哪里。 排序方式: 指标 ↑.

显示的模型数

15

指令遵循 得分 平均值

8.5

最佳模型

Grok 4.1 Fast 3.0
排名 模型 公司 指令遵循 得分 分数 测试正确 响应时间(平均)
#50 Gemini 3.1 Flash Lite Preview low Google 10.0 7.4 2/2 1.49s
#52 Claude Sonnet 4.6 medium Anthropic 10.0 7.4 2/2 2.61s
#54 GPT-5 Mini medium OpenAI 10.0 7.3 2/2 11.6s
#58 Gemini 3.1 Flash Lite Preview none Google 10.0 7.2 2/2 1.13s
#60 Kimi K2.6 medium Moonshot AI 10.0 7.2 2/2 12.5s
#61 Gemini 3.1 Flash Lite low Google 10.0 7.2 2/2 1.52s
#64 MiMo-V2-Flash medium Xiaomi 10.0 7.2 2/2 4.28s
#66 Qwen3.5-35B-A3B medium Qwen 10.0 7.1 2/2 24.4s
#69 Claude Opus 4.6 medium Anthropic 10.0 7.0 2/2 2.43s
#72 DeepSeek V3.2 medium DeepSeek 10.0 7.0 2/2 35.8s
#73 Seed-2.0-Mini medium Bytedance Seed 10.0 6.9 2/2 17.5s
#76 Kimi K2.5 medium Moonshot AI 10.0 6.8 2/2 92.5s
#78 Qwen3.6 27B medium Qwen 10.0 6.8 2/2 38.0s
#81 Mercury 2 medium Inception 10.0 6.6 2/2 1.07s
#82 Hy3 preview high Tencent 10.0 6.6 2/2 34.4s

按 指令遵循 得分 排名的顶级模型

指令遵循 得分 vs 总成本

按 响应时间(平均) 排名的顶级模型