Fallos por categoría de AI BENCHY
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
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #72 | Hunter Alpha none | OpenRouter | 1 | 5.8 | 1/3 | 3.06s |
| #75 | GLM 5.1 none | Z.ai | 1 | 5.7 | 1/3 | 1.48s |
| #77 | GLM 5 Turbo none | Z.ai | 1 | 5.5 | 1/3 | 2.43s |
| #79 | Grok 4.20 Beta none | X AI | 1 | 5.9 | 1/3 | 541ms |
| #82 | Grok 4.20 none | X AI | 1 | 5.3 | 1/3 | 487ms |
| #85 | Elephant none | Openrouter | 1 | 3.3 | 0/3 | 849ms |
| #86 | GPT-5.4 Mini none | OpenAI | 1 | 5.4 | 1/3 | 860ms |
| #88 | Nemotron 3 Super none | NVIDIA | 1 | 5.7 | 1/3 | 7.50s |
| #93 | GLM 4.7 Flash medium | Z.ai | 1 | 2.9 | 0/3 | 12.9s |
| #96 | GPT-5.4 Nano none | OpenAI | 1 | 3.7 | 0/3 | 1.29s |
| #97 | Qwen3.5-9B medium | Qwen | 1 | 3.1 | 0/3 | 33.4s |
| #98 | LFM2-24B-A2B none | Liquid | 1 | 4.4 | 0/3 | 1.69s |