Ranking de modelos de Seguimiento de instrucciones

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

Modelos mostrados

Promedio de Puntuación de Seguimiento de instrucciones

0.8

Mejor modelo

Gemini 3 Flash Preview 0.0

Motivos de fallo

Con motivo de fallo Respuesta incorrecta117 Con motivo de fallo No siguió las instrucciones77 Con motivo de fallo Error de API25 Con motivo de fallo Formato extra8 Con motivo de fallo Tiempo agotado5 Con motivo de fallo Sin respuesta2

451/451

Rango	Modelo	Empresa	Puntuación de Seguimiento de instrucciones	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#59	Pareto 26.9 default	Unbiased	1.0	0.9	$1.864	2/2	3.82s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $1.864 Tiempo de respuesta (promedio) 3.82s
#87	Inkling high	Thinkingmachines	1.0	0.8	$1.238	2/2	7.00s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $1.238 Tiempo de respuesta (promedio) 7.00s
#89	DeepSeek V4 Flash 0731 high	DeepSeek	1.0	0.8	$0.576	2/2	4.46s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.576 Tiempo de respuesta (promedio) 4.46s
#95	GPT-6 Luna medium	OpenAI	1.0	0.8	$0.047	2/2	13.2s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.047 Tiempo de respuesta (promedio) 13.2s
#112	GPT-5.4 Nano medium	OpenAI	1.0	0.8	$0.235	2/2	1.88s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.235 Tiempo de respuesta (promedio) 1.88s
#122	Qwen3.8 2.4T A95B high	Qwen	1.0	0.8	$2.949	2/2	11.4s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $2.949 Tiempo de respuesta (promedio) 11.4s
#128	GLM 5.3 high	Z.ai	1.0	0.8	$0.495	2/2	3.62s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.495 Tiempo de respuesta (promedio) 3.62s
#150	Seed-2.0-Code high	Bytedance Seed	1.0	0.7	$1.448	2/2	11.3s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $1.448 Tiempo de respuesta (promedio) 11.3s
#157	Inkling Small high	Thinkingmachines	1.0	0.7	$0.398	2/2	3.94s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.398 Tiempo de respuesta (promedio) 3.94s
#172	Claude Opus 4.8 low	Anthropic	1.0	0.7	$3.787	2/2	2.78s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $3.787 Tiempo de respuesta (promedio) 2.78s
#209	Grok Build 0.1 medium	X AI	1.0	0.7	$1.419	2/2	12.4s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $1.419 Tiempo de respuesta (promedio) 12.4s
#213	MiniMax M3 medium	Minimax	1.0	0.7	$0.422	2/2	6.14s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.422 Tiempo de respuesta (promedio) 6.14s
#236	Grok 4.3 medium	X AI	1.0	0.6	$0.989	2/2	18.6s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.989 Tiempo de respuesta (promedio) 18.6s
#241	Solar Pro 4 medium	Upstage	1.0	0.6	$0.098	2/2	40.1s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.098 Tiempo de respuesta (promedio) 40.1s
#254	Gemini 3.5 Flash Lite low	Google	1.0	0.6	$0.183	2/2	1.75s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.183 Tiempo de respuesta (promedio) 1.75s

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)