Resolución de acertijos: No siguió las instrucciones
Resolución de acertijos
No siguió las instrucciones
Mira qué modelos de IA tienen más probabilidades de caer en No siguió las instrucciones dentro de Resolución de acertijos, para detectar puntos débiles más rápido. Ordenar por: Costo total ↓.
Motivos de fallo
157/157
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 0.7 | $5.599 | 1/3 | 5.19s |
| #90 | GLM 5.2 high | Z.ai | 1 | 0.6 | $4.632 | 1/3 | 33.7s |
| #272 | Claude Fable 5.1 low | Anthropic | 1 | 0.8 | $3.395 | 2/3 | 4.78s |
| #392 | Gemini 3.1 Flash Lite Preview high | 1 | 0.8 | $2.310 | 2/3 | 46.7s | |
| #130 | Grok 4.6 medium | X AI | 1 | 0.9 | $2.270 | 2/3 | 16.3s |
| #61 | GPT-5.4 medium | OpenAI | 1 | 0.8 | $2.213 | 2/3 | 9.14s |
| #25 | Claude Opus 5.5 high | Anthropic | 1 | 0.9 | $2.133 | 2/3 | 30.8s |
| #375 | Gemini 3.1 Flash Lite high | 2 | 0.6 | $2.044 | 1/3 | 50.8s | |
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 2/3 | 10.1s |
| #40 | Muse Spark 1.3 high | Meta | 1 | 0.9 | $1.891 | 2/3 | 38.4s |
| #326 | Hy4 preview low | Tencent | 1 | 0.5 | $1.844 | 0/3 | 238.0s |
| #30 | Muse Spark Open high | Meta | 1 | 0.8 | $1.782 | 2/3 | 145.7s |
| #24 | Claude Opus 5.5 low | Anthropic | 1 | 0.9 | $1.733 | 2/3 | 29.8s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 2/3 | 42.5s |
| #201 | Kimi K2.6 medium | Moonshot AI | 1 | 0.6 | $1.594 | 1/3 | 25.1s |