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) |
|---|---|---|---|---|---|---|
| #57 | GPT-5 Nano medium | OpenAI | 1 | 4.1 | 0/1 | 17.5s |
| #58 | GLM 5V Turbo none | Z.ai | 1 | 4.6 | 0/1 | 2.22s |
| #60 | Gemma 4 26B A4B none | 1 | 4.0 | 0/1 | 3.54s | |
| #63 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.5 | 0/1 | 1.19s |
| #65 | MiMo-V2-Pro none | Xiaomi | 1 | 4.3 | 0/1 | 2.44s |
| #67 | Qwen3.5-27B none | Qwen | 1 | 5.0 | 0/1 | 2.51s |
| #68 | gpt-oss-120b medium | OpenAI | 1 | 4.3 | 0/1 | 7.90s |
| #69 | Kimi K2.6 none | Moonshot AI | 1 | 5.4 | 0/1 | 1.55s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.0 | 0/1 | 1.12s |
| #71 | MiniMax M2.5 medium | Minimax | 1 | 3.8 | 0/1 | 6.63s |
| #72 | Hunter Alpha none | OpenRouter | 1 | 6.1 | 0/1 | 2.71s |
| #73 | Mistral Small 4 medium | Mistral | 1 | 4.8 | 0/1 | 2.05s |
| #77 | GLM 5 Turbo none | Z.ai | 1 | 4.2 | 0/1 | 2.18s |
| #78 | Trinity Large Preview none | Arcee AI | 1 | 4.4 | 0/1 | 2.86s |
| #79 | Grok 4.20 Beta none | X AI | 1 | 5.0 | 0/1 | 541ms |