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: Pruebas correctas ↑.
Motivos de fallo
25/25
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) |
|---|---|---|---|---|---|---|---|
| #138 | GLM 5.2 none | Z.ai | 1 | 3.7 | $0.153 | 0/3 | 7.55s |
| #179 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 3.9 | $0.122 | 0/3 | 1.69s |
| #222 | MiMo-V2.5-Pro none | Xiaomi | 1 | 4.3 | $0.068 | 0/3 | 1.41s |
| #244 | DeepSeek V3.2 none | DeepSeek | 1 | 3.1 | $0.054 | 0/3 | 14.5s |
| #252 | Trinity Large Thinking high | Arcee AI | 1 | 3.7 | $0.624 | 0/3 | 245.0s |
| #258 | Grok 4.1 Fast medium | X AI | 1 | 7.8 | $0.069 | 0/1 | 23.6s |
| #259 | Laguna M.1 medium | Poolside | 1 | 1.5 | $0.033 | 0/1 | 35.6s |
| #260 | Cobuddy medium | Baidu | 1 | 3.7 | $0.000 | 0/3 | 79.2s |
| #274 | MiMo-V2-Flash none | Xiaomi | 1 | 4.3 | $0.025 | 0/3 | 2.64s |
| #276 | Granite 4.1 8B none | IBM Granite | 1 | 4.5 | $0.007 | 0/3 | 775ms |
| #279 | Ling 3.0 Tiny high | Inclusionai | 1 | 2.9 | $0.000 | 0/3 | 177.7s |
| #280 | Ling 3.0 Tiny low | Inclusionai | 1 | 2.9 | $0.000 | 0/3 | 170.7s |
| #282 | Qwen3.5-9B medium | Qwen | 1 | 2.9 | $0.062 | 0/3 | 100.9s |
| #283 | Ling 3.0 Tiny medium | Inclusionai | 1 | 2.9 | $0.000 | 0/3 | 212.0s |
| #54 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 6.3 | $0.134 | 1/3 | 252.7s |