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.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #50 | Gemini 3.1 Flash Lite Preview low | 1 | 4.0 | 0/1 | 1.54s | |
| #53 | Gemini 3.1 Flash Lite high | 1 | 5.0 | 0/1 | 45.7s | |
| #54 | GPT-5 Mini medium | OpenAI | 1 | 4.5 | 0/1 | 13.5s |
| #56 | MiMo-V2.5 medium | Xiaomi | 1 | 5.4 | 0/1 | 5.37s |
| #58 | Gemini 3.1 Flash Lite Preview none | 1 | 4.0 | 0/1 | 741ms | |
| #62 | Step 3.5 Flash medium | Stepfun | 1 | 5.5 | 0/1 | 22.4s |
| #63 | GPT-5.3 Chat none | OpenAI | 1 | 4.6 | 0/1 | 1.99s |
| #64 | MiMo-V2-Flash medium | Xiaomi | 1 | 4.0 | 0/1 | 4.20s |
| #65 | Grok 4.20 medium | X AI | 1 | 3.9 | 0/1 | 24.5s |
| #67 | MiniMax M3 medium | Minimax | 1 | 5.1 | 0/1 | 33.3s |
| #70 | GPT-5.4 Nano medium | OpenAI | 1 | 4.5 | 0/1 | 4.15s |
| #73 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 5.1 | 0/1 | 36.7s |
| #75 | Ring-2.6-1T medium | Inclusionai | 1 | 4.1 | 0/1 | 58.3s |
| #76 | Kimi K2.5 medium | Moonshot AI | 1 | 6.5 | 0/1 | 69.7s |
| #77 | Claude Sonnet 4.6 none | Anthropic | 1 | 6.1 | 0/1 | 2.56s |