Ranking de Inteligencia general x 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.

Modelos mostrados

Fallos totales

142

Modelo más afectado

Claude Sonnet 5.5 1

Motivos de fallo

No siguió las instrucciones142 Respuesta incorrecta134 Error de API17 Tiempo agotado4

Categorías

Resolución de acertijos166 Inteligencia general142 Seguimiento de instrucciones77 Trucos anti-IA52 Programación50 Llamada de herramientas13 Tareas de agentes10 Análisis y extracción de datos8 Específico del dominio3 Combinado1

142/142

Rango	Modelo	Empresa	Cantidad de No siguió las instrucciones	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#143	Qwen3.8 Flash Next medium	Qwen	1	0.5	~$0.047	0/1	7.29s
Pruebas totales 1 Pruebas incorrectas 1 Costo total ~$0.047 Tiempo de respuesta (promedio) 7.29s
#145	Qwen3.8 27B low	Qwen	1	0.5	~$0.089	0/1	5.37s
Pruebas totales 1 Pruebas incorrectas 1 Costo total ~$0.089 Tiempo de respuesta (promedio) 5.37s
#148	Seed-2.0-Mini medium	Bytedance Seed	1	0.5	$0.140	0/1	36.7s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.140 Tiempo de respuesta (promedio) 36.7s
#154	Seed-2.0-Code medium	Bytedance Seed	1	0.5	$1.275	0/1	11.4s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $1.275 Tiempo de respuesta (promedio) 11.4s
#155	GLM 5.3 FlashX high	Z.ai	1	0.6	$0.210	0/1	2.28s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.210 Tiempo de respuesta (promedio) 2.28s
#161	GLM 5.3 Flash high	Z.ai	1	0.5	$0.056	0/1	3.33s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.056 Tiempo de respuesta (promedio) 3.33s
#164	Gemini 2.5 Flash medium	Google	1	0.5	$0.680	0/1	4.86s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.680 Tiempo de respuesta (promedio) 4.86s
#166	Qwen3.6 Plus medium	Qwen	1	0.5	$0.554	0/1	27.1s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.554 Tiempo de respuesta (promedio) 27.1s
#167	Gemini 3.5 Flash Lite medium	Google	1	0.5	$0.440	0/1	2.97s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.440 Tiempo de respuesta (promedio) 2.97s
#168	Qwen3.5-27B none	Qwen	1	0.5	$0.116	0/1	2.51s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.116 Tiempo de respuesta (promedio) 2.51s
#170	Qwen3.8 27B medium	Qwen	1	0.5	~$0.073	0/1	9.20s
Pruebas totales 1 Pruebas incorrectas 1 Costo total ~$0.073 Tiempo de respuesta (promedio) 9.20s
#175	GLM 5 medium	Z.ai	1	0.6	$0.479	0/1	14.7s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.479 Tiempo de respuesta (promedio) 14.7s
#177	Qwen3.6 27B medium	Qwen	1	0.6	$1.021	0/1	39.5s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $1.021 Tiempo de respuesta (promedio) 39.5s
#179	Qwen3.8 Flash Next xhigh	Qwen	1	0.5	~$0.195	0/1	3.95s
Pruebas totales 1 Pruebas incorrectas 1 Costo total ~$0.195 Tiempo de respuesta (promedio) 3.95s
#180	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/1	1.79s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.114 Tiempo de respuesta (promedio) 1.79s

Filtrar modelos

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado

Inteligencia general: No siguió las instrucciones

Filtrar modelos

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimadoSolo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Mejores modelos por Costo desperdiciado estimado