未遵循指令失败排名 | AI BENCHY

看看哪些 AI 模型最常遇到未遵循指令，让你在选择前先发现稳定性风险。排序方式: 分数 ↑.

显示的模型数

5

失败总数

245

受影响最多的模型

分类

在分类谜题求解中90 在分类通用智能中78 在分类反AI技巧中33 在分类指令遵循中18 在分类编程中16 在分类工具调用中8 在分类综合中1 在分类领域专项中1

140/140

排名	模型	公司	未遵循指令次数	分数	总成本	测试正确	响应时间（平均）
#18	GPT-5.4 medium	OpenAI	2	8.5	$1.533	15/22	23.1s
总测试数 22 错误测试数 7 总成本 $1.533 响应时间（平均） 23.1s
#16	Muse Spark 1.1 medium	Meta	2	8.6	$1.357	15/22	25.0s
总测试数 22 错误测试数 7 总成本 $1.357 响应时间（平均） 25.0s
#13	GPT-5.3-Codex medium	OpenAI	2	8.9	$0.920	16/22	17.0s
总测试数 22 错误测试数 6 总成本 $0.920 响应时间（平均） 17.0s
#12	Grok 4.5 high	X AI	1	8.9	$1.707	17/22	76.5s
总测试数 22 错误测试数 5 总成本 $1.707 响应时间（平均） 76.5s
#9	Gemini 3.5 Flash medium	Google	1	9.1	$0.642	19/22	8.20s
总测试数 22 错误测试数 3 总成本 $0.642 响应时间（平均） 8.20s

←

1 9 10

按未遵循指令次数排名的顶级模型

未遵循指令次数对比分数

按响应时间（平均）排名的顶级模型