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
78/78
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) |
|---|---|---|---|---|---|---|---|
| #12 | Grok 4.5 high | X AI | 1 | 4.7 | $1.707 | 0/1 | 9.82s |
| #13 | GPT-5.3-Codex medium | OpenAI | 1 | 4.6 | $0.920 | 0/1 | 4.87s |
| #18 | GPT-5.4 medium | OpenAI | 1 | 4.7 | $1.533 | 0/1 | 4.92s |
| #21 | GPT-5.2 medium | OpenAI | 1 | 3.7 | $0.951 | 0/1 | 4.32s |
| #23 | Claude Sonnet 5 medium | Anthropic | 1 | 4.8 | $0.922 | 0/1 | 4.32s |
| #25 | Gemini 2.5 Flash medium | 1 | 4.8 | $0.643 | 0/1 | 4.86s | |
| #26 | GPT-5 Mini medium | OpenAI | 1 | 4.5 | $0.237 | 0/1 | 13.5s |
| #30 | GPT-5.2 Chat none | OpenAI | 1 | 4.4 | $0.604 | 0/1 | 3.20s |
| #35 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 6.7 | $0.234 | 0/1 | 18.2s |
| #37 | Qwen3.6 Plus medium | Qwen | 1 | 5.1 | $0.405 | 0/1 | 27.1s |
| #42 | GLM 5 medium | Z.ai | 1 | 6.1 | $0.307 | 0/1 | 14.7s |
| #45 | DeepSeek V4 Flash high | DeepSeek | 1 | 6.1 | $0.042 | 0/1 | 25.2s |
| #47 | MiniMax M3 medium | Minimax | 1 | 5.1 | $0.286 | 0/1 | 33.3s |
| #53 | GPT-5.4 Nano medium | OpenAI | 1 | 4.5 | $0.138 | 0/1 | 4.15s |
| #54 | GPT-5.3 Chat none | OpenAI | 1 | 4.6 | $0.571 | 0/1 | 1.99s |