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) |
|---|---|---|---|---|---|---|---|
| #127 | MiniMax M2.7 medium | Minimax | 3.8 | 5.2 | $0.104 | 0/2 | 12.8s |
| #137 | Trinity Large Preview none | Arcee AI | 3.5 | 5.0 | $0.008 | 0/2 | 822ms |
| #161 | Grok 4.1 Fast none | X AI | 3.0 | 4.0 | $0.008 | 0/2 | 685ms |
| #163 | Granite 4.1 8B none | IBM Granite | 3.6 | 4.0 | $0.003 | 0/2 | 344ms |
| #167 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 4.8 | 3.5 | $0.000 | 0/2 | 541ms |
| #41 | DeepSeek V4 Pro high | DeepSeek | 7.8 | 7.6 | $0.157 | 1/2 | 8.73s |
| #55 | Claude Sonnet 4.6 none | Anthropic | 6.5 | 7.3 | $0.316 | 1/2 | 1.96s |
| #58 | DeepSeek V4 Pro none | DeepSeek | 6.3 | 7.2 | $0.034 | 1/2 | 4.12s |
| #60 | Qwen3.7 Plus none | Qwen | 6.3 | 7.2 | $0.023 | 1/2 | 929ms |
| #64 | GLM 5.1 medium | Z.ai | 6.4 | 7.1 | $0.292 | 1/2 | 7.47s |
| #67 | Gemini 3 Flash Preview none | 6.4 | 6.9 | $0.025 | 1/2 | 1.58s | |
| #71 | Gemini 3.5 Flash minimal | 6.4 | 6.8 | $0.108 | 1/2 | 893ms | |
| #73 | Mimo V2 Omni medium | Xiaomi | 8.3 | 6.8 | $0.683 | 1/2 | 4.99s |
| #80 | Step 3.5 Flash medium | Stepfun | 8.3 | 6.6 | $0.070 | 1/2 | 4.78s |
| #83 | Gemini 3.1 Flash Lite high | 7.3 | 6.5 | $2.044 | 1/2 | 23.3s |