Tareas de agentes: No siguió las instrucciones
Tareas de agentes
No siguió las instrucciones
Mira qué modelos de IA tienen más probabilidades de caer en No siguió las instrucciones dentro de Tareas de agentes, para detectar puntos débiles más rápido. Ordenar por: Pruebas correctas ↑.
Motivos de fallo
14/14
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #66 | Gemini 3.5 Flash Lite high | 1 | 7.4 | $0.649 | 0/1 | 63.8s | |
| #104 | Step 3.7 Flash medium | Stepfun | 1 | 7.4 | $0.571 | 0/1 | 93.9s |
| #132 | GLM 5.3 Flash high | Z.ai | 1 | 7.4 | $0.084 | 0/1 | 111.5s |
| #135 | Gemini 2.5 Flash medium | 1 | 3.0 | $0.644 | 0/1 | 6.54s | |
| #147 | Gemini 3.8 Flash low | 1 | 5.9 | $0.334 | 0/1 | 62.9s | |
| #186 | Qwen3.7 Flash medium | Qwen | 1 | 5.2 | $0.076 | 0/1 | 149.0s |
| #197 | GLM 5.2 none | Z.ai | 1 | 5.2 | $0.161 | 0/1 | 52.3s |
| #203 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 5.9 | $0.173 | 0/1 | 183.5s |
| #213 | Qwen3.5-35B-A3B medium | Qwen | 1 | 7.4 | $1.249 | 0/1 | 126.8s |
| #232 | Trinity Large Thinking low | Arcee AI | 1 | 6.4 | $0.703 | 0/1 | 73.0s |
| #266 | Gemini 2.5 Flash none | 1 | 3.0 | $0.017 | 0/1 | 1.81s | |
| #317 | Laguna S 2.1 none | Poolside | 1 | 5.4 | $0.047 | 0/1 | 149.3s |
| #324 | Laguna S 2.1 low | Poolside | 1 | 2.8 | $0.109 | 0/1 | 152.1s |
| #338 | Mercury 2 none | Inception | 1 | 3.0 | $0.033 | 0/1 | 9.00s |