AI BENCHY
Your ad here

Fallos por categoría de AI BENCHY

Seguimiento de instrucciones: Respuesta incorrecta

Seguimiento de instrucciones
Respuesta incorrecta

Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Seguimiento de instrucciones, para detectar puntos débiles más rápido.

Modelos mostrados

15

Fallos totales

44

Modelo más afectado

Qwen3.5-27B 2

Motivos de fallo

Respuesta incorrecta44 No siguió las instrucciones22 Error de API1 Tiempo agotado1

Categorías

Específico del dominio182 Trucos anti-IA165 Resolución de acertijos85 Seguimiento de instrucciones44 Combinado37 Programación28 Análisis y extracción de datos19 Inteligencia general10 Llamada de herramientas2
Rango Modelo Empresa Cantidad de Respuesta incorrecta Puntuación de categoría Pruebas correctas Tiempo de respuesta (promedio)
#67 Qwen3.5-27B none Qwen 2 4.8 0/2 815ms
#70 Qwen3.5-122B-A10B none Qwen 2 4.5 0/2 585ms
#87 Qwen3 Coder Next none Qwen 2 4.8 0/2 7.71s
#95 Grok 4.1 Fast none X AI 2 3.0 0/2 923ms
#98 LFM2-24B-A2B none Liquid 2 4.8 0/2 1.09s
#21 Gemini 3 Flash Preview none Google 1 6.4 1/2 1.58s
#28 GPT-5.2 Chat none OpenAI 1 7.5 1/2 5.46s
#33 GLM 5.1 medium Z.ai 1 6.4 1/2 7.47s
#36 GPT-5.3 Chat none OpenAI 1 8.3 1/2 3.29s
#42 Claude Sonnet 4.6 none Anthropic 1 6.5 1/2 1.96s
#48 Gemma 4 31B none Google 1 6.5 1/2 2.84s
#55 MiMo-V2-Omni none Xiaomi 1 6.5 1/2 4.18s
#58 GLM 5V Turbo none Z.ai 1 6.5 1/2 1.97s
#59 Qwen3.5-Flash none Qwen 1 6.3 1/2 8.81s
#60 Gemma 4 26B A4B none Google 1 4.4 0/2 1.08s

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado