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: Pruebas correctas ↓.

Modelos mostrados

Promedio de Puntuación de Seguimiento de instrucciones

0.8

Mejor modelo

Gemini 3.6 Flash 1.0

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)
#340	KAT Coder AIR V2.5 high	Kwaipilot	1.0	0.5	$0.077	2/2	1.51s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.077 Tiempo de respuesta (promedio) 1.51s
#341	Mimo V2 PRO medium	Xiaomi	1.0	0.5	$0.333	2/2	3.36s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.333 Tiempo de respuesta (promedio) 3.36s
#342	MiMo-V2-Flash medium	Xiaomi	1.0	0.5	$0.043	2/2	4.28s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.043 Tiempo de respuesta (promedio) 4.28s
#346	KAT Coder AIR V2.5 medium	Kwaipilot	1.0	0.5	$0.048	2/2	1.50s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.048 Tiempo de respuesta (promedio) 1.50s
#354	KAT Coder AIR V2.5 low	Kwaipilot	1.0	0.5	$0.046	2/2	1.64s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.046 Tiempo de respuesta (promedio) 1.64s
#355	Grok 4.20 Beta medium	X AI	1.0	0.5	$0.750	2/2	4.89s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.750 Tiempo de respuesta (promedio) 4.89s
#359	Gemini 3 PRO Preview medium	Google	1.0	0.5	$0.385	2/2	3.26s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.385 Tiempo de respuesta (promedio) 3.26s
#365	Hy3 preview high	Tencent	1.0	0.5	$0.135	2/2	34.4s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.135 Tiempo de respuesta (promedio) 34.4s
#373	DeepSeek V3.2 none	DeepSeek	1.0	0.5	$0.119	2/2	1.52s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.119 Tiempo de respuesta (promedio) 1.52s
#382	Ling 2.6 Flash default	Inclusionai	1.0	0.5	$0.002	2/2	5.52s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.002 Tiempo de respuesta (promedio) 5.52s
#383	Hy3 preview low	Tencent	1.0	0.5	$0.042	2/2	16.0s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.042 Tiempo de respuesta (promedio) 16.0s
#384	Ring 2.6 1t default	Inclusionai	1.0	0.4	$0.026	2/2	27.4s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.026 Tiempo de respuesta (promedio) 27.4s
#387	KAT Coder AIR V2.5 default	Kwaipilot	1.0	0.4	$0.070	2/2	1.75s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.070 Tiempo de respuesta (promedio) 1.75s
#390	Cobuddy medium	Baidu	1.0	0.4	$0.000	2/2	11.6s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.000 Tiempo de respuesta (promedio) 11.6s
#392	Gemini 3.1 Flash Lite Preview high	Google	1.0	0.4	$2.310	2/2	64.0s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $2.310 Tiempo de respuesta (promedio) 64.0s

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)