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: Pruebas correctas ↓.
Motivos de fallo
86/86
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) |
|---|---|---|---|---|---|---|---|
| #13 | GPT-5.3-Codex medium | OpenAI | 1 | 9.0 | $0.920 | 2/3 | 5.05s |
| #16 | Muse Spark 1.1 medium | Meta | 1 | 7.9 | $1.357 | 2/3 | 42.5s |
| #18 | GPT-5.4 medium | OpenAI | 1 | 8.2 | $1.533 | 2/3 | 9.14s |
| #21 | GPT-5.2 medium | OpenAI | 1 | 7.5 | $0.951 | 2/3 | 5.80s |
| #24 | Muse Spark 1.1 low | Meta | 1 | 8.3 | $0.647 | 2/3 | 6.60s |
| #35 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 9.0 | $0.234 | 2/3 | 10.2s |
| #45 | DeepSeek V4 Flash high | DeepSeek | 1 | 8.2 | $0.042 | 2/3 | 26.1s |
| #49 | GLM 5 Turbo medium | Z.ai | 1 | 8.7 | $0.323 | 2/3 | 5.23s |
| #56 | GPT-5.4 Mini medium | OpenAI | 1 | 7.8 | $0.756 | 2/3 | 4.37s |
| #58 | Qwen3.5-27B medium | Qwen | 1 | 8.2 | $1.627 | 2/3 | 59.6s |
| #85 | Qwen3.6 Flash medium | Qwen | 1 | 8.2 | $0.738 | 2/3 | 6.29s |
| #100 | Hy3 preview medium | Tencent | 1 | 7.7 | $0.018 | 2/3 | 11.1s |
| #163 | Gemini 3.1 Flash Lite Preview high | 1 | 7.7 | $2.310 | 2/3 | 46.7s | |
| #179 | Ring-2.6-1T none | Inclusionai | 1 | 7.7 | $0.026 | 2/3 | 31.5s |
| #26 | GPT-5 Mini medium | OpenAI | 1 | 5.6 | $0.237 | 1/3 | 15.2s |