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) |
|---|---|---|---|---|---|---|---|
| #119 | GPT-5.4 Mini medium | OpenAI | 1 | 0.8 | $1.102 | 2/3 | 4.37s |
| #126 | DeepSeek V4.1 Flash 1017 high | DeepSeek | 1 | 0.5 | $0.589 | 1/3 | 5.70s |
| #130 | Grok 4.6 medium | X AI | 1 | 0.9 | $2.270 | 2/3 | 16.3s |
| #136 | Muse Glimmer 30B high | Meta | 1 | 0.6 | $0.506 | 1/3 | 64.8s |
| #137 | Nemotron 3.5 Super VL medium | NVIDIA | 1 | 0.8 | $0.437 | 2/3 | 11.8s |
| #138 | Claude Haiku 5.5 medium | Anthropic | 1 | 0.8 | $0.063 | 2/3 | 2.67s |
| #140 | Qwen3.7 Flash low | Qwen | 1 | 0.7 | $0.071 | 1/3 | 9.79s |
| #144 | GPT-6 Luna low | OpenAI | 1 | 0.8 | $0.033 | 2/3 | 27.5s |
| #152 | Qwen3.6 Flash medium | Qwen | 1 | 0.8 | $0.783 | 2/3 | 6.29s |
| #153 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 0.8 | $0.306 | 2/3 | 9.08s |
| #157 | Inkling Small high | Thinkingmachines | 1 | 0.5 | $0.398 | 0/3 | 14.4s |
| #165 | LongCat 2.0 high | Meituan | 1 | 0.3 | $0.778 | 0/3 | 9.18s |
| #168 | Qwen3.5-27B none | Qwen | 1 | 0.7 | $0.116 | 1/3 | 1.38s |
| #170 | Qwen3.8 27B medium | Qwen | 1 | 0.8 | ~$0.073 | 2/3 | 12.6s |
| #173 | Qwen3.7 Flash high | Qwen | 1 | 0.7 | $0.063 | 1/3 | 10.8s |