未遵循指令失败排名

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: 测试正确 ↑.

显示的模型数

失败总数

386

受影响最多的模型

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）
#53	Qwen3.8 27B high	Qwen	2	8.4	~$0.287	16/22	167.9s
总测试数 22 错误测试数 6 总成本 ~$0.287 响应时间（平均） 167.9s
#29	Grok 4.5 high	X AI	1	9.0	$2.252	17/22	72.3s
总测试数 22 错误测试数 5 总成本 $2.252 响应时间（平均） 72.3s
#201	Grok 4.20 Beta medium	X AI	1	6.0	$0.750	14/18	9.75s
总测试数 18 错误测试数 4 总成本 $0.750 响应时间（平均） 9.75s
#250	Gemini 3.1 Flash Lite Preview high	Google	1	5.3	$2.310	13/16	68.1s
总测试数 16 错误测试数 3 总成本 $2.310 响应时间（平均） 68.1s
#26	Gemini 3.5 Flash medium	Google	1	9.0	$0.665	18/22	8.48s
总测试数 22 错误测试数 4 总成本 $0.665 响应时间（平均） 8.48s

未遵循指令失败