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: Costo total ↓.
Modelos mostrados
15
Promedio de Puntuación de Seguimiento de instrucciones
8.5
Mejor modelo
Grok 4.20 Multi Agent Beta 9.8
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) |
|---|---|---|---|---|---|---|---|
| #148 | Qwen3 Coder Next medium | Qwen | 6.3 | 4.7 | $0.008 | 1/2 | 7.49s |
| #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 |
| #117 | DeepSeek V4 Flash none | DeepSeek | 6.5 | 5.5 | $0.007 | 1/2 | 17.5s |
| #129 | Mistral Small 4 none | Mistral | 6.5 | 5.1 | $0.007 | 1/2 | 380ms |
| #134 | MiMo-V2.5 none | Xiaomi | 6.5 | 5.1 | $0.007 | 1/2 | 751ms |
| #142 | Nemotron 3 Super none | NVIDIA | 6.3 | 4.9 | $0.007 | 1/2 | 804ms |
| #139 | GPT-4o-mini none | OpenAI | 6.3 | 5.0 | $0.006 | 1/2 | 1.11s |
| #135 | Qwen3.5-9B none | Qwen | 6.5 | 5.1 | $0.006 | 1/2 | 514ms |
| #147 | Ling-2.6-1T none | Inclusionai | 6.4 | 4.7 | $0.005 | 1/2 | 5.36s |
| #97 | Qwen3.5-Flash none | Qwen | 6.3 | 6.1 | $0.005 | 1/2 | 8.81s |
| #141 | GLM 4.7 Flash none | Z.ai | 6.5 | 4.9 | $0.004 | 1/2 | 888ms |
| #121 | Gemma 4 26B A4B none | 6.3 | 5.5 | $0.004 | 1/2 | 690ms | |
| #98 | Gemma 4 31B none | 6.5 | 6.1 | $0.004 | 1/2 | 2.84s | |
| #163 | Granite 4.1 8B none | IBM Granite | 3.6 | 4.0 | $0.003 | 0/2 | 344ms |