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） |
|---|---|---|---|---|---|---|---|
| #443 | Classify-1 default | Scaledown | 0.2 | 0.2 | $0.008 | 0/1 | 4.26s |
| #444 | Clef Omni default | Cloudflare | 0.2 | 0.2 | $0.011 | 0/1 | 904ms |
| #445 | Decider Flash V1.2 default | Perplexity | 0.2 | 0.2 | $0.001 | 0/1 | 424ms |
| #447 | D1 default | Liquid | 0.2 | 0.2 | $0.003 | 0/1 | 820ms |
| #448 | Gemini 3 Flash Preview high | 0.0 | 0.2 | $0.105 | 0/0 | 0ms | |
| #450 | Solar Decide Flash default | Upstage | 0.2 | 0.2 | $0.003 | 0/1 | 1.66s |
| #451 | Microsoft-Decision-1 default | Microsoft | 0.2 | 0.1 | $0.002 | 0/1 | 997ms |
| #453 | Tev1 4B Experimental default | Togethercomputer | 0.2 | 1.0 | $0.002 | 0/1 | 555ms |
| #454 | Nimble v3 9B default | Bespoke Labs | 0.2 | 0.8 | ~$0.001 | 0/1 | 469ms |
| #455 | Claude Opus 5.5 none | Anthropic | 0.0 | 0.2 | $0.015 | 0/0 | 0ms |
| #32 | Muse Wonder medium | Meta | 0.7 | 0.9 | $3.397 | 1/2 | 3.88s |
| #34 | Claude Sonnet 5.5 max | Anthropic | 0.9 | 0.9 | $8.557 | 1/2 | 6.24s |
| #40 | Muse Spark 1.3 high | Meta | 0.7 | 0.9 | $1.891 | 1/2 | 14.7s |
| #41 | Muse Wonder low | Meta | 0.7 | 0.9 | $2.637 | 1/2 | 2.08s |
| #44 | Muse Wonder minimal | Meta | 0.7 | 0.9 | $1.639 | 1/2 | 1.39s |