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: 总成本 ↑.

显示的模型数

5

失败总数

386

受影响最多的模型

Dots 3 Note Preview 2

分类

在分类谜题求解中128 在分类通用智能中115 在分类指令遵循中48 在分类反AI技巧中44 在分类编程中29 在分类工具调用中12 在分类数据解析与提取中7 在分类领域专项中2 在分类综合中1

215/215

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）
#110	Qwen3.8 2.4T A95B high	Qwen	2	7.4	$2.357	14/22	120.6s
总测试数 22 错误测试数 8 总成本 $2.357 响应时间（平均） 120.6s
#141	Claude Fable 5.1 low	Anthropic	3	6.9	$2.565	11/22	10.3s
总测试数 22 错误测试数 11 总成本 $2.565 响应时间（平均） 10.3s
#57	Claude Fable 5.1 medium	Anthropic	1	8.3	$2.909	15/22	11.7s
总测试数 22 错误测试数 7 总成本 $2.909 响应时间（平均） 11.7s
#87	Claude Opus 4.6 medium	Anthropic	1	7.7	$2.961	13/22	32.2s
总测试数 22 错误测试数 9 总成本 $2.961 响应时间（平均） 32.2s
#278	Grok 4.20 Multi Agent Beta medium	X AI	2	4.8	$5.599	8/18	9.69s
总测试数 18 错误测试数 10 总成本 $5.599 响应时间（平均） 9.69s

←

1 14 15

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