Ranking de modelos de Seguimiento de instrucciones

Categoría AI BENCHY

Mira qué modelos de IA rinden mejor en Seguimiento de instrucciones, cuáles se mantienen fiables y dónde aparecen las mayores diferencias. Ordenar por: Costo total ↑.

Modelos mostrados

Promedio de Puntuación de Seguimiento de instrucciones

8.5

Mejor modelo

North Mini Code 9.8

Motivos de fallo

Con motivo de fallo Respuesta incorrecta54 Con motivo de fallo No siguió las instrucciones12 Con motivo de fallo Formato extra2 Con motivo de fallo Sin respuesta2 Con motivo de fallo Error de API1

169/169

Rango	Modelo	Empresa	Puntuación de Seguimiento de instrucciones	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#49	Claude Opus 4.7 none	Anthropic	10.0	7.4	$0.505	2/2	1.46s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.505 Tiempo de respuesta (promedio) 1.46s
#3	Qwen3.7 Max medium	Qwen	10.0	9.4	$0.523	2/2	7.46s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.523 Tiempo de respuesta (promedio) 7.46s
#27	GPT-5.4 Mini medium	OpenAI	9.8	8.0	$0.526	2/2	2.13s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.526 Tiempo de respuesta (promedio) 2.13s
#29	Qwen3.5-27B medium	Qwen	10.0	7.9	$0.536	2/2	19.7s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.536 Tiempo de respuesta (promedio) 19.7s
#57	Claude Opus 4.8 none	Anthropic	9.9	7.2	$0.539	2/2	1.37s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.539 Tiempo de respuesta (promedio) 1.37s
#160	Grok Build 0.1 none	X AI	9.8	4.2	$0.547	2/2	7.36s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.547 Tiempo de respuesta (promedio) 7.36s
#22	GPT-5.2 medium	OpenAI	9.9	8.4	$0.548	2/2	3.12s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.548 Tiempo de respuesta (promedio) 3.12s
#8	Gemini 3.5 Flash medium	Google	9.9	9.1	$0.582	2/2	2.70s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.582 Tiempo de respuesta (promedio) 2.70s
#65	Kimi K2.7 Code medium	Moonshot AI	9.9	7.0	$0.583	2/2	5.39s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.583 Tiempo de respuesta (promedio) 5.39s
#36	Qwen3.5-122B-A10B medium	Qwen	10.0	7.7	$0.588	2/2	9.88s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.588 Tiempo de respuesta (promedio) 9.88s
#53	Grok 4.20 medium	X AI	9.8	7.3	$0.609	2/2	4.26s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.609 Tiempo de respuesta (promedio) 4.26s
#37	Grok 4.3 medium	X AI	9.8	7.7	$0.614	2/2	18.6s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.614 Tiempo de respuesta (promedio) 18.6s
#2	Gemini 3 Flash Preview medium	Google	10.0	9.6	$0.667	2/2	4.04s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.667 Tiempo de respuesta (promedio) 4.04s
#13	Claude Opus 4.7 medium	Anthropic	10.0	8.7	$0.679	2/2	1.57s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.679 Tiempo de respuesta (promedio) 1.57s
#73	Mimo V2 Omni medium	Xiaomi	8.3	6.8	$0.683	1/2	4.99s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.683 Tiempo de respuesta (promedio) 4.99s

←

1 9 10 11 12

→

Ranking de Seguimiento de instrucciones

Filtrar modelos

Mejores modelos por Puntuación de Seguimiento de instrucciones

Puntuación de Seguimiento de instrucciones vs costo total

Mejores modelos por Tiempo de respuesta (promedio)