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: 测试正确 ↑.
455/455
筛选模型
没有模型匹配当前搜索和筛选条件。
| 排名 | 模型 | 公司 | 指令遵循 得分 | 分数 | 总成本 | 测试正确 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|
| #62 | GPT-5.4 medium | OpenAI | 1.0 | 0.9 | $2.213 | 2/2 | 3.11s |
| #64 | DeepSeek V4.1 Flash high | DeepSeek | 1.0 | 0.9 | $0.617 | 2/2 | 7.06s |
| #65 | DeepSeek V4.1 Flash medium | DeepSeek | 1.0 | 0.9 | $0.591 | 2/2 | 9.69s |
| #66 | Kimi K3.1 Pro max | Moonshot AI | 1.0 | 0.9 | $3.578 | 2/2 | 9.06s |
| #67 | Muse Spark 1.2 low | Meta | 1.0 | 0.9 | $0.881 | 2/2 | 2.95s |
| #68 | GPT-5.2 medium | OpenAI | 1.0 | 0.9 | $1.558 | 2/2 | 3.12s |
| #69 | Qwen3.8 27B high | Qwen | 1.0 | 0.9 | ~$0.298 | 2/2 | 8.24s |
| #71 | Seed 2.1 Turbo medium | Bytedance Seed | 1.0 | 0.9 | $2.042 | 2/2 | 7.48s |
| #72 | GPT-6 Sol low | OpenAI | 1.0 | 0.9 | $0.477 | 2/2 | 2.37s |
| #73 | DeepSeek V4.1 Flash max | DeepSeek | 1.0 | 0.9 | $1.204 | 2/2 | 7.64s |
| #75 | Claude Sonnet 5.5 xhigh | Anthropic | 1.0 | 0.9 | $1.516 | 2/2 | 4.58s |
| #76 | Claude Sonnet 5.5 high | Anthropic | 1.0 | 0.9 | $1.175 | 2/2 | 5.13s |
| #77 | Claude Haiku 5.5 low | Anthropic | 1.0 | 0.9 | $0.061 | 2/2 | 2.20s |
| #78 | Qwen3.8 Max (0902) low | Qwen | 1.0 | 0.9 | $1.131 | 2/2 | 4.32s |
| #79 | Grok 4.6 high | X AI | 1.0 | 0.9 | $2.629 | 2/2 | 13.8s |