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

排名 模型 公司 指令遵循 得分 分数 测试正确 响应时间(平均)
#1 Gemini 3 Flash Preview medium Google 10.0 9.8 2/2 4.04s
#2 Gemini 3.5 Flash high Google 10.0 9.6 2/2 3.35s
#3 Gemini 3.5 Flash low Google 9.9 9.4 2/2 1.86s
#4 Gemini 3.1 Pro Preview medium Google 10.0 9.4 2/2 9.56s
#5 Qwen3.7 Max medium Qwen 10.0 9.1 2/2 7.46s
#6 GPT-5.5 low OpenAI 9.9 9.0 2/2 3.74s
#7 Gemini 3.5 Flash medium Google 9.9 9.0 2/2 2.70s
#8 Claude Opus 4.7 none Anthropic 10.0 8.9 2/2 1.46s
#9 GPT-5.5 medium OpenAI 10.0 8.8 2/2 3.36s
#10 Claude Opus 4.8 medium Anthropic 10.0 8.7 2/2 3.32s
#11 Claude Opus 4.7 medium Anthropic 10.0 8.7 2/2 1.57s
#12 Gemini 3.1 Flash Lite Preview high Google 9.8 8.6 2/2 64.0s
#13 Grok 4.20 Beta medium X AI 9.8 8.5 2/2 4.89s
#14 Qwen3.6 Max Preview medium Qwen 10.0 8.5 2/2 24.3s
#15 GPT-5.3-Codex medium OpenAI 10.0 8.4 2/2 3.04s

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