指令遵循模型排名 | AI BENCHY

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: 响应时间（平均） ↓.

显示的模型数

5

指令遵循得分平均值

0.8

最佳模型

失败原因

失败原因为答案错误118 失败原因为未遵循指令77 失败原因为 API 错误25 失败原因为额外格式8 失败原因为超时5 失败原因为无答案2

455/455

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）
#338	Laguna XS 2.1 none	Poolside	0.4	0.5	$0.020	0/2	364ms
总测试数 2 错误测试数 2 总成本 $0.020 响应时间（平均） 364ms
#408	Granite 4.1 8b default	IBM Granite	0.4	0.4	$0.007	0/2	344ms
总测试数 2 错误测试数 2 总成本 $0.007 响应时间（平均） 344ms
#437	Decider V1.1 27B default	Perplexity	0.2	0.3	$0.002	0/1	333ms
总测试数 1 错误测试数 1 总成本 $0.002 响应时间（平均） 333ms
#448	Gemini 3 Flash Preview high	Google	0.0	0.2	$0.105	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.105 响应时间（平均） 0ms
#455	Claude Opus 5.5 none	Anthropic	0.0	0.2	$0.015	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.015 响应时间（平均） 0ms

←

1 30 31

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