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.
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) |
|---|---|---|---|---|---|---|---|
| #84 | GPT-5 Mini medium | OpenAI | 1 | 0.6 | $0.315 | 1/3 | 15.2s |
| #87 | Inkling high | Thinkingmachines | 1 | 0.7 | $1.238 | 1/3 | 10.7s |
| #89 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 0.8 | $0.576 | 2/3 | 9.36s |
| #90 | GLM 5.2 high | Z.ai | 1 | 0.6 | $4.632 | 1/3 | 33.7s |
| #92 | Claude Haiku 5.5 high | Anthropic | 1 | 0.6 | $0.088 | 1/3 | 3.28s |
| #95 | GPT-6 Luna medium | OpenAI | 1 | 0.8 | $0.047 | 2/3 | 9.78s |
| #99 | Gemini 4 Argon low | 1 | 0.9 | $0.438 | 2/3 | 2.18s | |
| #100 | DeepSeek V4.1 Flash 1017 max | DeepSeek | 1 | 0.6 | $0.757 | 1/3 | 12.3s |
| #104 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 0.9 | $0.271 | 2/3 | 10.2s |
| #106 | DeepSeek V4 Pro 0423 high | DeepSeek | 1 | 0.7 | $0.149 | 1/3 | 56.8s |
| #108 | DeepSeek V4 Flash 0423 high | DeepSeek | 1 | 0.8 | $0.261 | 2/3 | 26.1s |
| #112 | GPT-5.4 Nano medium | OpenAI | 1 | 0.4 | $0.235 | 0/3 | 3.79s |
| #114 | Qwen3.8 Flash Next low | Qwen | 1 | 0.9 | ~$0.045 | 2/3 | 1.72s |
| #116 | Qwen3.5-27B medium | Qwen | 1 | 0.8 | $1.135 | 2/3 | 59.6s |
| #117 | GLM 5.3 FlashX max | Z.ai | 1 | 0.8 | $0.623 | 2/3 | 3.88s |