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
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) |
|---|---|---|---|---|---|---|---|
| #103 | Qwen3.5-27B none | Qwen | 1 | 6.7 | $0.090 | 1/3 | 1.38s |
| #108 | Ring-2.6-1T medium | Inclusionai | 1 | 5.9 | $0.103 | 1/3 | 20.7s |
| #109 | Mimo V2 PRO medium | Xiaomi | 1 | 6.4 | $0.333 | 1/3 | 5.08s |
| #115 | Gemma 4 31B none | 1 | 6.5 | $0.035 | 1/3 | 4.23s | |
| #121 | gpt-oss-120b medium | OpenAI | 1 | 5.3 | $0.019 | 1/3 | 21.7s |
| #122 | Gemini 3.1 Flash Lite none | 1 | 6.3 | $0.046 | 1/3 | 720ms | |
| #123 | Inkling low | Thinkingmachines | 1 | 6.4 | $0.187 | 1/3 | 2.97s |
| #124 | Qwen3.6 Flash none | Qwen | 1 | 3.5 | $0.062 | 0/3 | 1.21s |
| #127 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.7 | $0.106 | 0/3 | 1.35s |
| #128 | GPT-5 Nano medium | OpenAI | 1 | 5.3 | $0.114 | 1/3 | 20.6s |
| #129 | Nemotron 3 Ultra none | NVIDIA | 1 | 5.9 | $0.095 | 1/3 | 1.06s |
| #130 | Step 3.5 Flash medium | Stepfun | 1 | 5.3 | $0.108 | 1/3 | 7.22s |
| #134 | Mimo V2 Omni medium | Xiaomi | 1 | 5.9 | $0.683 | 1/3 | 2.38s |
| #136 | GPT-5.4 Mini none | OpenAI | 1 | 5.4 | $0.095 | 1/3 | 836ms |
| #138 | Kimi K2.6 none | Moonshot AI | 1 | 3.1 | $0.184 | 0/3 | 1.40s |