Programación: No siguió las instrucciones
Programación
No siguió las instrucciones
Mira qué modelos de IA tienen más probabilidades de caer en No siguió las instrucciones dentro de Programación, para detectar puntos débiles más rápido. Ordenar por: Costo total ↑.
Motivos de fallo
38/38
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) |
|---|---|---|---|---|---|---|---|
| #231 | Ling 3.1 Flash low | Inclusionai | 1 | 0.6 | $0.000 | 1/3 | 107.3s |
| #283 | Ling 3.1 Flash none | Inclusionai | 1 | 0.5 | $0.000 | 0/3 | 31.9s |
| #356 | Cobuddy medium | Baidu | 1 | 0.4 | $0.000 | 0/3 | 79.2s |
| #373 | Ling 3.0 Tiny high | Inclusionai | 1 | 0.3 | $0.000 | 0/3 | 177.7s |
| #374 | Ling 3.0 Tiny low | Inclusionai | 1 | 0.3 | $0.000 | 0/3 | 170.7s |
| #375 | Ling 3.0 Tiny medium | Inclusionai | 1 | 0.3 | $0.000 | 0/3 | 212.0s |
| #371 | Granite 4.1 8b default | IBM Granite | 1 | 0.4 | $0.007 | 0/3 | 775ms |
| #385 | MiMo-V2-Flash default | Xiaomi | 1 | 0.4 | $0.025 | 0/3 | 2.64s |
| #363 | Mercury 2.5 none | Inception | 1 | 0.4 | $0.026 | 0/3 | 12.5s |
| #369 | Laguna M.1 medium | Poolside | 1 | 0.1 | $0.033 | 0/1 | 35.6s |
| #206 | Mercury 2.5 Preview high | Inception | 1 | 0.7 | $0.040 | 1/3 | 6.13s |
| #293 | MiMo-V2.6-Flash none | Xiaomi | 1 | 0.4 | $0.060 | 0/3 | 744ms |
| #64 | Claude Haiku 5.5 low | Anthropic | 1 | 0.8 | $0.061 | 2/3 | 7.30s |
| #368 | Grok 4.1 Fast medium | X AI | 1 | 0.8 | $0.069 | 0/1 | 23.6s |
| #139 | DeepSeek V4 Pro 0423 none | DeepSeek | 1 | 0.6 | $0.083 | 1/3 | 13.4s |