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: Pruebas correctas ↑.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #15 | GPT-5.3-Codex medium | OpenAI | 1 | 4.6 | 0/1 | 4.87s |
| #17 | GLM 5 medium | Z.ai | 1 | 6.1 | 0/1 | 14.7s |
| #19 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 6.7 | 0/1 | 18.2s |
| #21 | GPT-5.4 medium | OpenAI | 1 | 4.7 | 0/1 | 4.92s |
| #24 | GPT-5.2 Chat none | OpenAI | 1 | 4.4 | 0/1 | 3.20s |
| #26 | Qwen3.6 Plus medium | Qwen | 1 | 5.1 | 0/1 | 27.1s |
| #28 | Gemini 2.5 Flash medium | 1 | 4.8 | 0/1 | 4.86s | |
| #30 | Qwen3.5-27B medium | Qwen | 1 | 6.1 | 0/1 | 101.4s |
| #31 | DeepSeek V4 Flash high | DeepSeek | 1 | 6.1 | 0/1 | 25.2s |
| #38 | Grok 4.3 medium | X AI | 1 | 5.4 | 0/1 | 24.7s |
| #42 | GPT-5.2 medium | OpenAI | 1 | 3.7 | 0/1 | 4.32s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 5.5 | 0/1 | 4.02s |
| #45 | GPT-5.4 Mini medium | OpenAI | 1 | 4.5 | 0/1 | 3.72s |
| #46 | Qwen3.6 35B A3B medium | Qwen | 1 | 4.4 | 0/1 | 8.66s |
| #49 | Qwen3.5-Flash medium | Qwen | 1 | 6.1 | 0/1 | 40.1s |