Ranking de Seguimiento de instrucciones x 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

Fallos totales

111

Modelo más afectado

Qwen3.7 Plus 1

Motivos de fallo

Respuesta incorrecta111 No siguió las instrucciones73 Error de API25 Formato extra8 Tiempo agotado5 Sin respuesta2

Categorías

Específico del dominio878 Trucos anti-IA502 Programación477 Resolución de acertijos344 Cultura general306 Inteligencia general129 Combinado126 Tareas de agentes126 Seguimiento de instrucciones111 Análisis y extracción de datos93

111/111

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#434	D1 default	Liquid	1	0.2	$0.003	0/1	820ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.003 Tiempo de respuesta (promedio) 820ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/2	752ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.001 Tiempo de respuesta (promedio) 752ms
#437	Solar Decide Flash default	Upstage	1	0.2	$0.003	0/1	1.66s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.003 Tiempo de respuesta (promedio) 1.66s
#438	Microsoft-Decision-1 default	Microsoft	1	0.2	$0.002	0/1	997ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.002 Tiempo de respuesta (promedio) 997ms
#440	Tev1 4B Experimental default	Togethercomputer	1	0.2	$0.002	0/1	555ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.002 Tiempo de respuesta (promedio) 555ms
#441	Nimble v3 9B default	Bespoke Labs	1	0.2	~$0.001	0/1	469ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total ~$0.001 Tiempo de respuesta (promedio) 469ms

Filtrar modelos

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

Seguimiento de instrucciones: Respuesta incorrecta

Filtrar modelos

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 estimadoSolo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.

Mejores modelos por Costo desperdiciado estimado