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. Ordenar por: Pruebas correctas ↓.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #20 | Gemini 3.1 Flash Lite Preview medium | 1 | 9.1 | 3/4 | 2.33s | |
| #35 | Gemini 3.1 Flash Lite Preview none | 1 | 7.5 | 2/4 | 1.04s | |
| #38 | GLM 5V Turbo medium | Z.ai | 1 | 7.2 | 2/4 | 10.8s |
| #42 | Kimi K2.6 medium | Moonshot AI | 1 | 7.0 | 2/4 | 11.6s |
| #44 | GPT-5.3 Chat none | OpenAI | 1 | 6.7 | 2/4 | 3.86s |
| #48 | GPT-5.2 medium | OpenAI | 1 | 6.5 | 2/4 | 7.81s |
| #53 | GPT-5 Mini medium | OpenAI | 1 | 7.1 | 2/4 | 13.9s |
| #65 | Mercury 2 medium | Inception | 1 | 6.9 | 2/4 | 1.12s |
| #79 | gpt-oss-120b medium | OpenAI | 1 | 6.7 | 2/4 | 10.2s |
| #83 | MiniMax M2.5 medium | Minimax | 1 | 7.9 | 2/4 | 20.8s |
| #94 | MiniMax M2.7 medium | Minimax | 1 | 7.9 | 2/4 | 40.3s |
| #98 | gpt-oss-120b none | OpenAI | 1 | 6.6 | 2/4 | 6.03s |
| #99 | Elephant Alpha none | Openrouter | 1 | 6.6 | 2/4 | 963ms |
| #108 | HY3 Preview none | Tencent | 2 | 4.8 | 1/4 | 11.1s |
| #109 | GLM 4.7 Flash medium | Z.ai | 1 | 4.7 | 1/4 | 15.0s |