Fallos por categoría de AI BENCHY
Trucos anti-IA: No siguió las instrucciones
Trucos anti-IA
No siguió las instrucciones
Mira qué modelos de IA tienen más probabilidades de caer en No siguió las instrucciones dentro de Trucos anti-IA, para detectar puntos débiles más rápido.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #156 | Hy3 preview none | Tencent | 2 | 4.8 | 1/4 | 11.1s |
| #22 | Step 3.7 Flash medium | Stepfun | 1 | 8.7 | 3/4 | 9.65s |
| #40 | Gemini 3.1 Flash Lite Preview medium | 1 | 9.1 | 3/4 | 2.33s | |
| #42 | GPT-5.2 medium | OpenAI | 1 | 6.5 | 2/4 | 7.81s |
| #44 | Gemini 3.1 Flash Lite medium | 1 | 9.1 | 3/4 | 2.39s | |
| #54 | GPT-5 Mini medium | OpenAI | 1 | 7.1 | 2/4 | 13.9s |
| #58 | Gemini 3.1 Flash Lite Preview none | 1 | 7.5 | 2/4 | 1.04s | |
| #59 | GLM 5V Turbo medium | Z.ai | 1 | 7.2 | 2/4 | 10.8s |
| #60 | Kimi K2.6 medium | Moonshot AI | 1 | 7.0 | 2/4 | 11.6s |
| #63 | GPT-5.3 Chat none | OpenAI | 1 | 6.7 | 2/4 | 3.86s |
| #67 | MiniMax M3 medium | Minimax | 1 | 5.5 | 1/4 | 14.9s |
| #81 | Mercury 2 medium | Inception | 1 | 6.9 | 2/4 | 1.12s |
| #96 | Ring-2.6-1T none | Inclusionai | 1 | 9.2 | 3/4 | 43.3s |
| #99 | gpt-oss-120b medium | OpenAI | 1 | 6.7 | 2/4 | 10.2s |
| #101 | Mimo V2 Omni none | Xiaomi | 1 | 3.6 | 0/4 | 1.63s |