未遵循指令失败排名 | AI BENCHY

AI BENCHY 失败分析

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

180

受影响最多的模型

Qwen3.6 Plus Preview 1

分类

在分类谜题求解中75 在分类通用智能中58 在分类指令遵循中22 在分类反AI技巧中17 在分类工具调用中6 在分类编程中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）
#9	Qwen3.6 Plus Preview medium	Qwen	1	8.5	13/17	13.9s
#11	Gemini 3.1 Flash Lite Preview high	Google	1	8.4	12/16	68.8s
#6	Seed-2.0-Lite medium	Bytedance Seed	2	8.6	13/18	30.4s
#7	GPT-5.3-Codex medium	OpenAI	2	8.6	13/18	15.4s
#10	Qwen3.5-27B medium	Qwen	2	8.4	13/18	53.0s
#13	GLM 5 medium	Z.ai	1	8.4	13/18	23.3s
#14	Gemma 4 31B medium	Google	1	8.3	13/18	24.9s
#15	Gemini 2.5 Flash medium	Google	1	8.2	13/18	12.1s
#16	GPT-5.4 medium	OpenAI	2	8.2	13/18	18.6s
#17	Gemini 3.1 Flash Lite Preview medium	Google	1	8.2	13/18	3.74s
#20	Qwen3.6 Plus medium	Qwen	1	8.1	13/18	15.3s
#22	Gemini 3.1 Flash Lite Preview low	Google	1	8.1	13/18	3.22s
#24	Gemma 4 26B A4B medium	Google	1	8.0	13/18	25.0s
#18	GLM 5 Turbo medium	Z.ai	2	8.1	12/18	17.7s
#23	MiMo-V2-Pro medium	Xiaomi	1	8.1	12/18	12.3s

1 2 3 4 5 6

→

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