AI BENCHY
Your ad 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: 测试正确 ↑.

显示的模型数

15

失败总数

180

受影响最多的模型

LFM2-24B-A2B 2
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)
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#18 GLM 5 Turbo medium Z.ai 2 8.1 12/18 17.7s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#27 DeepSeek V3.2 medium DeepSeek 1 8.0 12/18 46.4s
#28 GPT-5.2 Chat none OpenAI 1 7.9 12/18 6.84s
#29 Gemini 3.1 Flash Lite Preview none Google 2 7.9 12/18 1.30s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#7 GPT-5.3-Codex medium OpenAI 2 8.6 13/18 15.4s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s
#13 GLM 5 medium Z.ai 1 8.4 13/18 23.3s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#15 Gemini 2.5 Flash medium Google 1 8.2 13/18 12.1s
#16 GPT-5.4 medium OpenAI 2 8.2 13/18 18.6s
#17 Gemini 3.1 Flash Lite Preview medium Google 1 8.2 13/18 3.74s

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