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
111/111
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) |
|---|---|---|---|---|---|---|---|
| #326 | Laguna XS 2.1 none | Poolside | 1 | 0.4 | $0.020 | 0/2 | 364ms |
| #327 | Qwen3.6 35B A3B none | Qwen | 1 | 0.6 | $0.105 | 1/2 | 1.86s |
| #329 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 0/2 | 836ms |
| #334 | Mistral Small 4 medium | Mistral | 1 | 0.7 | $0.126 | 1/2 | 1.38s |
| #335 | Mistral Small 4 none | Mistral | 1 | 0.7 | $0.047 | 1/2 | 380ms |
| #336 | Mercury 2.5 low | Inception | 1 | 0.3 | $0.020 | 0/2 | 972ms |
| #338 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.6 | $0.135 | 1/2 | 1.03s |
| #339 | Apodex 1.1 Mini default | Apodex | 1 | 0.5 | $0.000 | 0/2 | 1.06s |
| #340 | Laguna S 2.1 medium | Poolside | 1 | 0.4 | $0.092 | 0/2 | 400ms |
| #341 | Mercury 2.5 Preview low | Inception | 1 | 0.6 | $0.015 | 1/2 | 1.60s |
| #342 | MiniMax M2.7 medium | Minimax | 1 | 0.4 | $0.326 | 0/2 | 12.8s |
| #343 | Dots 3 Note Preview default | Dots Studio | 1 | 0.5 | $0.000 | 0/2 | 1.06s |
| #344 | GPT-4o-mini default | OpenAI | 1 | 0.6 | $0.024 | 1/2 | 1.11s |
| #347 | Inkling Small none | Thinkingmachines | 1 | 0.6 | $0.054 | 1/2 | 767ms |
| #348 | Qwen3 Coder Next default | Qwen | 1 | 0.6 | $0.067 | 1/2 | 7.78s |