深度评测：各大AI模型在智能体指令遵循能力上的表现

今天我们来评测一下各个大模型的指令遵循能力。这是一项比较专业的指标，简单说就是大模型是否能够通过原生提示词实现智能体（Agent）的功能。我这里手搓了一个智能体（Agent）提示词，复杂度一般，我们来测一下不同的大模型是否能遵从提示词指令正确输出。以下是手搓的agent提示词：

通过智匠MindCraftAI，我们逐一测试了包括deepseek-chat, GLM4-Flash, GLM4-Air等在内的多个模型。

测试结果显示，各模型在遵循指令方面表现不一。一些模型能够准确返回预期指令，有一些则跑偏了。通过详细的对比表格，我们可以看到测试结果。

这是对原生agent指令的初步的评测，有些大模型有专门function_call功能，不代表他们不能做智能体。

通过这次评测, 我们不仅了解了各模型在智能体指令遵循能力上的表现, 也对智匠AI(MindCraft AI)的实用性和高效性有了更深的认识。期待在未来的评测中，我们能看到更多AI技术的进步，以及智匠AI(MindCraft AI)带来的更多可能性。