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: 响应时间(平均) ↑.

显示的模型数

15

失败总数

215

受影响最多的模型

Mistral Small 4 1
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)
#70 GPT-5.4 Nano medium OpenAI 2 7.0 11/21 12.0s
#113 DeepSeek V4 Pro none DeepSeek 2 5.7 7/21 12.4s
#156 Hy3 preview none Tencent 4 4.4 4/21 12.9s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#92 Laguna M.1 medium Poolside 1 6.4 9/19 14.7s
#28 Gemini 2.5 Flash medium Google 1 7.8 14/21 15.5s
#15 GPT-5.3-Codex medium OpenAI 2 8.4 15/21 16.2s
#33 Hy3 preview medium Tencent 1 7.7 14/21 16.3s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 1 4.6 4/19 17.1s
#46 Qwen3.6 35B A3B medium Qwen 1 7.4 13/21 18.1s
#39 Qwen3.6 Flash medium Qwen 1 7.5 12/21 19.2s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#22 Step 3.7 Flash medium Stepfun 1 8.0 14/21 20.4s

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