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

180

受影响最多的模型

Qwen3.5-9B 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)
#97 Qwen3.5-9B medium Qwen 2 4.4 3/18 73.6s
#46 Kimi K2.5 medium Moonshot AI 2 7.0 9/18 72.4s
#39 Seed-2.0-Mini medium Bytedance Seed 1 7.5 11/18 69.7s
#11 Gemini 3.1 Flash Lite Preview high Google 1 8.4 12/16 68.8s
#32 Qwen3.5-Flash medium Qwen 1 7.8 11/18 66.7s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s
#27 DeepSeek V3.2 medium DeepSeek 1 8.0 12/18 46.4s
#34 Kimi K2.6 medium Moonshot AI 3 7.7 11/18 45.2s
#57 GPT-5 Nano medium OpenAI 3 6.3 7/18 44.1s
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#93 GLM 4.7 Flash medium Z.ai 2 4.6 4/18 32.3s
#80 MiniMax M2.7 medium Minimax 6 5.3 4/18 31.1s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#24 Gemma 4 26B A4B medium Google 1 8.0 13/18 25.0s

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