Fallos por categoría de AI BENCHY
Inteligencia general: No siguió las instrucciones
Inteligencia general
No siguió las instrucciones
Mira qué modelos de IA tienen más probabilidades de caer en No siguió las instrucciones dentro de Inteligencia general, para detectar puntos débiles más rápido. Ordenar por: Tiempo de respuesta (promedio) ↑.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #160 | LFM2-24B-A2B none | Liquid | 1 | 4.0 | 0/1 | 395ms |
| #106 | Grok 4.20 Beta none | X AI | 1 | 5.0 | 0/1 | 541ms |
| #154 | Qwen3.5-9B none | Qwen | 1 | 4.4 | 0/1 | 552ms |
| #155 | Mercury 2 none | Inception | 1 | 4.8 | 0/1 | 628ms |
| #58 | Gemini 3.1 Flash Lite Preview none | 1 | 4.0 | 0/1 | 741ms | |
| #87 | Gemini 3.1 Flash Lite minimal | 1 | 4.0 | 0/1 | 791ms | |
| #81 | Mercury 2 medium | Inception | 1 | 4.8 | 0/1 | 821ms |
| #137 | Elephant Alpha none | Openrouter | 1 | 4.0 | 0/1 | 854ms |
| #151 | Trinity Large Preview none | Arcee AI | 1 | 4.5 | 0/1 | 873ms |
| #136 | Elephant Alpha medium | Openrouter | 1 | 4.3 | 0/1 | 920ms |
| #118 | Qwen3.6 27B none | Qwen | 1 | 5.2 | 0/1 | 1.07s |
| #157 | Grok 4.1 Fast none | X AI | 1 | 4.4 | 0/1 | 1.08s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.0 | 0/1 | 1.12s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.5 | 0/1 | 1.19s |
| #148 | GPT-5.4 Nano none | OpenAI | 1 | 3.8 | 0/1 | 1.31s |