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.
Motivos de fallo
61/61
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #177 | Nemotron 3 Super none | NVIDIA | 1 | 6.3 | $0.008 | 1/2 | 804ms |
| #180 | GPT-5.4 Nano none | OpenAI | 1 | 6.3 | $0.041 | 1/2 | 784ms |
| #183 | Trinity Large Preview none | Arcee AI | 1 | 3.5 | $0.008 | 0/2 | 822ms |
| #187 | Qwen3 Coder Next medium | Qwen | 1 | 6.3 | $0.032 | 1/2 | 7.49s |
| #189 | Mercury 2 none | Inception | 1 | 6.5 | $0.030 | 1/2 | 551ms |
| #191 | Grok 4.20 Beta none | X AI | 1 | 6.3 | $0.087 | 1/2 | 649ms |
| #192 | Laguna M.1 none | Poolside | 1 | 6.3 | $0.009 | 1/2 | 683ms |
| #194 | GLM 4.7 Flash medium | Z.ai | 1 | 6.2 | $0.166 | 1/2 | 2.97s |
| #196 | Hunter Alpha none | OpenRouter | 1 | 6.4 | $0.000 | 1/2 | 2.82s |
| #197 | Grok 4.20 none | X AI | 1 | 6.3 | $0.057 | 1/2 | 445ms |
| #200 | MiMo-V2-Flash none | Xiaomi | 1 | 6.5 | $0.025 | 1/2 | 857ms |
| #201 | Granite 4.1 8B none | IBM Granite | 1 | 3.6 | $0.007 | 0/2 | 344ms |
| #203 | Grok 4.1 Fast none | X AI | 1 | 3.0 | $0.008 | 0/2 | 685ms |
| #205 | Laguna Xs.2 none | Poolside | 1 | 6.5 | $0.004 | 1/2 | 439ms |
| #208 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 1 | 4.8 | $0.000 | 0/2 | 541ms |