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: 响应时间（平均） ↑.

显示的模型数

5

失败总数

245

受影响最多的模型

Nemotron 3 Nano Omni 30b A3b Reasoning 2

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）
#68	Kimi K2.6 medium	Moonshot AI	2	7.2	$1.036	12/22	110.0s
总测试数 22 错误测试数 10 总成本 $1.036 响应时间（平均） 110.0s
#58	Qwen3.5-27B medium	Qwen	2	7.4	$1.627	13/22	111.9s
总测试数 22 错误测试数 9 总成本 $1.627 响应时间（平均） 111.9s
#194	GLM 4.7 Flash medium	Z.ai	2	4.3	$0.166	4/22	142.6s
总测试数 22 错误测试数 18 总成本 $0.166 响应时间（平均） 142.6s
#97	LongCat 2.0 high	Meituan	2	6.6	$0.469	9/22	148.7s
总测试数 22 错误测试数 13 总成本 $0.469 响应时间（平均） 148.7s
#130	Step 3.5 Flash medium	Stepfun	3	6.0	$0.108	11/21	174.2s
总测试数 21 错误测试数 10 总成本 $0.108 响应时间（平均） 174.2s

←

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