未遵循指令失败排名 | AI BENCHY

AI BENCHY 失败分析

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

215

受影响最多的模型

Gemini 3.5 Flash 1

分类

在分类谜题求解中78 在分类通用智能中74 在分类反AI技巧中30 在分类编程中14 在分类指令遵循中11 在分类工具调用中6 在分类综合中1 在分类领域专项中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）
#83	Step 3.5 Flash none	Stepfun	1	6.6	6/12	39.0s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#78	Qwen3.6 27B medium	Qwen	1	6.8	10/21	59.7s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#81	Mercury 2 medium	Inception	3	6.6	10/21	2.24s
#85	Gemma 4 31B none	Google	1	6.5	10/21	4.05s
#87	Gemini 3.1 Flash Lite minimal	Google	3	6.4	10/21	1.33s
#88	Qwen3.7 Plus none	Qwen	1	6.4	10/21	2.85s
#86	Grok 4.1 Fast medium	X AI	4	6.5	9/19	23.8s
#92	Laguna M.1 medium	Poolside	1	6.4	9/19	14.7s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#90	Gemini 3.1 Flash Lite none	Google	1	6.4	9/21	1.06s
#94	GPT-5 Nano medium	OpenAI	2	6.3	9/21	42.5s
#96	Ring-2.6-1T none	Inclusionai	2	6.2	9/21	55.1s

←

1 3 4 5 8

→

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