AI BENCHY
Advertise here

AI BENCHY 失败分析

未遵循指令 失败

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

15

失败总数

215

受影响最多的模型

Granite 4.1 8B 4
排名 模型 公司 未遵循指令 次数 分数 测试正确 响应时间(平均)
#131 Qwen3.5-122B-A10B none Qwen 2 5.3 6/21 3.41s
#130 MiniMax M2.7 medium Minimax 5 5.3 5/21 38.2s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#126 gpt-oss-120b none OpenAI 2 5.4 6/19 21.6s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#125 GPT-5.4 none OpenAI 1 5.5 7/21 1.42s
#123 MiMo-V2.5-Pro none Xiaomi 4 5.5 6/21 1.78s
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#120 Mimo V2 PRO none Xiaomi 2 5.6 7/21 2.27s
#119 Cobuddy medium Baidu 3 5.6 7/21 39.9s
#118 Qwen3.6 27B none Qwen 2 5.6 7/21 3.72s
#117 Qwen3.5-35B-A3B none Qwen 2 5.6 7/21 3.37s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s

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