AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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

Gemini 3.5 Flash 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)
#99 gpt-oss-120b medium OpenAI 3 6.1 9/21 22.3s
#100 Grok Build 0.1 none X AI 2 6.0 7/19 28.7s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#103 DeepSeek V4 Pro high DeepSeek 1 6.0 8/21 65.2s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 6.0 8/21 2.27s
#105 Nemotron 3 Super medium NVIDIA 3 5.8 8/21 32.0s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#109 GLM 5V Turbo none Z.ai 2 5.8 8/21 2.99s
#111 Owl Alpha medium Openrouter 2 5.7 8/21 11.9s
#113 DeepSeek V4 Pro none DeepSeek 2 5.7 7/21 12.4s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 2 5.7 7/21 4.39s
#115 Qwen3.5-27B none Qwen 2 5.7 7/21 1.68s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s
#117 Qwen3.5-35B-A3B none Qwen 2 5.6 7/21 3.37s

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