AI BENCHY
Advertise 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: 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)
#76 Kimi K2.5 medium Moonshot AI 2 6.8 10/21 98.4s
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#73 Seed-2.0-Mini medium Bytedance Seed 1 6.9 11/21 80.2s
#62 Step 3.5 Flash medium Stepfun 3 7.2 11/20 72.5s
#60 Kimi K2.6 medium Moonshot AI 2 7.2 12/21 71.7s
#72 DeepSeek V3.2 medium DeepSeek 1 7.0 11/21 68.7s
#30 Qwen3.5-27B medium Qwen 2 7.8 13/21 68.4s
#67 MiniMax M3 medium Minimax 2 7.1 11/21 68.2s
#12 Gemini 3.1 Flash Lite Preview high Google 1 8.6 13/16 68.1s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#103 DeepSeek V4 Pro high DeepSeek 1 6.0 8/21 65.2s
#49 Qwen3.5-Flash medium Qwen 1 7.4 12/21 63.3s
#53 Gemini 3.1 Flash Lite high Google 3 7.3 10/18 62.0s
#75 Ring-2.6-1T medium Inclusionai 2 6.9 11/21 61.3s
#78 Qwen3.6 27B medium Qwen 1 6.8 10/21 59.7s

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