Categoría AI BENCHY
Ranking 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: Pruebas correctas ↑.
Modelos mostrados
15
Promedio de Puntuación de Seguimiento de instrucciones
8.5
Mejor modelo
MiniMax M2.7 3.8
169/169
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Puntuación de Seguimiento de instrucciones | Puntuación | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #134 | MiMo-V2.5 none | Xiaomi | 6.5 | 5.1 | $0.007 | 1/2 | 751ms |
| #135 | Qwen3.5-9B none | Qwen | 6.5 | 5.1 | $0.006 | 1/2 | 514ms |
| #139 | GPT-4o-mini none | OpenAI | 6.3 | 5.0 | $0.006 | 1/2 | 1.11s |
| #141 | GLM 4.7 Flash none | Z.ai | 6.5 | 4.9 | $0.004 | 1/2 | 888ms |
| #142 | Nemotron 3 Super none | NVIDIA | 6.3 | 4.9 | $0.007 | 1/2 | 804ms |
| #145 | GPT-5.4 Nano none | OpenAI | 6.3 | 4.8 | $0.011 | 1/2 | 784ms |
| #146 | MiniMax M2.5 medium | Minimax | 7.5 | 4.7 | $0.303 | 1/2 | 621ms |
| #147 | Ling-2.6-1T none | Inclusionai | 6.4 | 4.7 | $0.005 | 1/2 | 5.36s |
| #148 | Qwen3 Coder Next medium | Qwen | 6.3 | 4.7 | $0.008 | 1/2 | 7.49s |
| #149 | Grok 4.20 Beta none | X AI | 6.3 | 4.7 | $0.087 | 1/2 | 649ms |
| #150 | Laguna M.1 none | Poolside | 6.3 | 4.6 | $0.000 | 1/2 | 683ms |
| #151 | Mercury 2 none | Inception | 6.5 | 4.6 | $0.011 | 1/2 | 551ms |
| #154 | Hunter Alpha none | OpenRouter | 6.4 | 4.5 | $0.000 | 1/2 | 2.82s |
| #155 | Grok 4.20 none | X AI | 6.3 | 4.4 | $0.057 | 1/2 | 445ms |
| #157 | GLM 4.7 Flash medium | Z.ai | 6.2 | 4.3 | $0.054 | 1/2 | 2.97s |