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) |
|---|---|---|---|---|---|---|---|
| #411 | MiMo-V2-Flash default | Xiaomi | 1 | 0.7 | $0.025 | 1/2 | 857ms |
| #415 | Grok 4.1 Fast default | X AI | 1 | 0.3 | $0.008 | 0/2 | 685ms |
| #416 | Laguna Xs.2 default | Poolside | 1 | 0.7 | $0.004 | 1/2 | 439ms |
| #421 | d1-ultra default | Liquid | 1 | 0.2 | $0.003 | 0/1 | 571ms |
| #422 | Nemotron 3 Nano Omni 30b A3b Reasoning default | NVIDIA | 1 | 0.5 | $0.000 | 0/2 | 541ms |
| #423 | Jev 1.13 default | Typesafe | 1 | 0.2 | $0.003 | 0/1 | 557ms |
| #424 | Decider V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 508ms |
| #425 | Decider V1.1 27B default | Perplexity | 1 | 0.2 | $0.002 | 0/1 | 333ms |
| #426 | Drex v1.5 default | Nace AI | 1 | 0.2 | $0.002 | 0/1 | 1.33s |
| #427 | GPT-6 Luna Decisions default | OpenAI | 1 | 0.2 | $0.005 | 0/1 | 842ms |
| #428 | Kev 4B default | Jaredpalmer | 1 | 0.2 | $0.002 | 0/1 | 17.3s |
| #429 | Jev 1.14 default | Typesafe | 1 | 0.2 | $0.003 | 0/1 | 543ms |
| #430 | Classify-1 default | Scaledown | 1 | 0.2 | $0.008 | 0/1 | 4.26s |
| #431 | Clef Omni default | Cloudflare | 1 | 0.2 | $0.011 | 0/1 | 904ms |
| #432 | Decider Flash V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 424ms |