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: 测试正确 ↓.

显示的模型数

8

失败总数

522

受影响最多的模型

Claude Opus 5.5 1

分类

在分类谜题求解中166 在分类通用智能中142 在分类指令遵循中77 在分类反AI技巧中52 在分类编程中50 在分类工具调用中13 在分类智能体任务中10 在分类数据解析与提取中8 在分类领域专项中3 在分类综合中1

293/293

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）
#445	LFM2-24B-A2B default	Liquid	1	0.2	$0.001	2/16	782ms
总测试数 16 错误测试数 14 总成本 $0.001 响应时间（平均） 782ms
#431	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	2	0.3	$0.000	2/19	728ms
总测试数 19 错误测试数 17 总成本 $0.000 响应时间（平均） 728ms
#370	Laguna S 2.1 none	Poolside	2	0.5	$0.044	2/23	17.7s
总测试数 23 错误测试数 21 总成本 $0.044 响应时间（平均） 17.7s
#397	Mercury 2.5 none	Inception	4	0.4	$0.026	2/23	5.10s
总测试数 23 错误测试数 21 总成本 $0.026 响应时间（平均） 5.10s
#404	Ling 3.0 Tiny default	Inclusionai	4	0.4	$0.000	2/23	13.4s
总测试数 23 错误测试数 21 总成本 $0.000 响应时间（平均） 13.4s
#405	Granite 4.1 8b default	IBM Granite	4	0.4	$0.007	2/23	1.38s
总测试数 23 错误测试数 21 总成本 $0.007 响应时间（平均） 1.38s
#407	Xing4.0 29b A4b medium	Xingchen AGI	3	0.4	$0.000	1/23	371.7s
总测试数 23 错误测试数 22 总成本 $0.000 响应时间（平均） 371.7s
#421	Xing4.0 29b A4b none	Xingchen AGI	5	0.3	$0.000	0/23	42.7s
总测试数 23 错误测试数 23 总成本 $0.000 响应时间（平均） 42.7s

←

1 19 20

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