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: 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
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)
#7 Gemini 3.5 Flash medium Google 1 9.0 18/21 4.94s
#12 Gemini 3.1 Flash Lite Preview high Google 1 8.6 13/16 68.1s
#13 Grok 4.20 Beta medium X AI 1 8.5 14/18 9.75s
#15 GPT-5.3-Codex medium OpenAI 2 8.4 15/21 16.2s
#17 GLM 5 medium Z.ai 1 8.3 15/21 33.5s
#19 Seed-2.0-Lite medium Bytedance Seed 2 8.2 14/21 47.1s
#21 GPT-5.4 medium OpenAI 2 8.0 14/21 22.3s
#22 Step 3.7 Flash medium Stepfun 1 8.0 14/21 20.4s
#23 GLM 5 Turbo medium Z.ai 1 8.0 14/21 23.0s
#24 GPT-5.2 Chat none OpenAI 1 7.9 14/21 7.13s
#26 Qwen3.6 Plus medium Qwen 1 7.9 14/21 30.7s
#28 Gemini 2.5 Flash medium Google 1 7.8 14/21 15.5s
#32 Gemini 3.5 Flash minimal Google 1 7.7 14/21 1.57s
#33 Hy3 preview medium Tencent 1 7.7 14/21 16.3s
#30 Qwen3.5-27B medium Qwen 2 7.8 13/21 68.4s

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