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: 测试正确 ↑.

显示的模型数

15

指令遵循 得分 平均值

8.5

最佳模型

MiniMax M2.7 3.8

失败原因

失败原因为 答案错误53 失败原因为 未遵循指令11 失败原因为 无答案2 失败原因为 额外格式2 失败原因为 API 错误1
排名 模型 公司 指令遵循 得分 分数 测试正确 响应时间（平均）
#130 MiniMax M2.7 medium Minimax 3.8 5.3 0/2 12.8s
#151 Trinity Large Preview none Arcee AI 3.5 4.6 0/2 822ms
#157 Grok 4.1 Fast none X AI 3.0 4.4 0/2 685ms
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 4.8 4.1 0/2 541ms
#163 Granite 4.1 8B none IBM Granite 3.6 4.0 0/2 344ms
#32 Gemini 3.5 Flash minimal Google 6.4 7.7 1/2 893ms
#48 Gemini 3 Flash Preview none Google 6.4 7.4 1/2 1.58s
#53 Gemini 3.1 Flash Lite high Google 7.3 7.3 1/2 23.3s
#55 GLM 5.1 medium Z.ai 6.4 7.3 1/2 7.47s
#62 Step 3.5 Flash medium Stepfun 8.3 7.2 1/2 4.78s
#77 Claude Sonnet 4.6 none Anthropic 6.5 6.8 1/2 1.96s
#80 Mimo V2 Omni medium Xiaomi 8.3 6.7 1/2 4.99s
#85 Gemma 4 31B none Google 6.5 6.5 1/2 2.84s
#86 Grok 4.1 Fast medium X AI 6.5 6.5 1/2 4.63s
#88 Qwen3.7 Plus none Qwen 6.3 6.4 1/2 929ms

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