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。

显示的模型数

15

失败总数

215

受影响最多的模型

分类

在分类谜题求解中78 在分类通用智能中74 在分类反AI技巧中30 在分类编程中14 在分类指令遵循中11 在分类工具调用中6 在分类综合中1 在分类领域专项中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）
#58	Gemini 3.1 Flash Lite Preview none	Google	2	7.2	12/21	1.21s
#60	Kimi K2.6 medium	Moonshot AI	2	7.2	12/21	71.7s
#63	GPT-5.3 Chat none	OpenAI	2	7.2	12/21	6.34s
#65	Grok 4.20 medium	X AI	2	7.1	12/21	27.7s
#67	MiniMax M3 medium	Minimax	2	7.1	11/21	68.2s
#70	GPT-5.4 Nano medium	OpenAI	2	7.0	11/21	12.0s
#75	Ring-2.6-1T medium	Inclusionai	2	6.9	11/21	61.3s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#94	GPT-5 Nano medium	OpenAI	2	6.3	9/21	42.5s
#96	Ring-2.6-1T none	Inclusionai	2	6.2	9/21	55.1s
#100	Grok Build 0.1 none	X AI	2	6.0	7/19	28.7s
#102	Gemma 4 26B A4B none	Google	2	6.0	8/21	5.91s

←

1 2 3 4 8

→

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