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: 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

Kimi K2.5 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)
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#13 Grok 4.20 Beta medium X AI 1 8.5 14/18 9.75s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#132 Mistral Small 4 medium Mistral 2 5.3 5/21 9.40s
#138 Ling-2.6-flash none Inclusionai 2 5.0 6/21 9.34s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#150 Qwen3 Coder Next medium Qwen 3 4.6 4/21 8.58s
#159 Ling-2.6-1T none Inclusionai 2 4.3 3/21 7.72s
#24 GPT-5.2 Chat none OpenAI 1 7.9 14/21 7.13s
#63 GPT-5.3 Chat none OpenAI 2 7.2 12/21 6.34s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#141 Nemotron 3 Super none NVIDIA 2 4.9 5/21 5.30s
#77 Claude Sonnet 4.6 none Anthropic 1 6.8 11/21 5.04s
#7 Gemini 3.5 Flash medium Google 1 9.0 18/21 4.94s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s

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