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) |
|---|---|---|---|---|---|---|---|
| #4 | GPT-5.5 low | OpenAI | 9.9 | 9.3 | $0.907 | 2/2 | 3.74s |
| #35 | Kimi K2.6 medium | Moonshot AI | 10.0 | 7.8 | $0.889 | 2/2 | 12.5s |
| #69 | Grok 4.20 Beta medium | X AI | 9.8 | 6.8 | $0.750 | 2/2 | 4.89s |
| #10 | GPT-5.3-Codex medium | OpenAI | 10.0 | 8.9 | $0.740 | 2/2 | 3.04s |
| #73 | Mimo V2 Omni medium | Xiaomi | 8.3 | 6.8 | $0.683 | 1/2 | 4.99s |
| #13 | Claude Opus 4.7 medium | Anthropic | 10.0 | 8.7 | $0.679 | 2/2 | 1.57s |
| #2 | Gemini 3 Flash Preview medium | 10.0 | 9.6 | $0.667 | 2/2 | 4.04s | |
| #37 | Grok 4.3 medium | X AI | 9.8 | 7.7 | $0.614 | 2/2 | 18.6s |
| #53 | Grok 4.20 medium | X AI | 9.8 | 7.3 | $0.609 | 2/2 | 4.26s |
| #36 | Qwen3.5-122B-A10B medium | Qwen | 10.0 | 7.7 | $0.588 | 2/2 | 9.88s |
| #65 | Kimi K2.7 Code medium | Moonshot AI | 9.9 | 7.0 | $0.583 | 2/2 | 5.39s |
| #8 | Gemini 3.5 Flash medium | 9.9 | 9.1 | $0.582 | 2/2 | 2.70s | |
| #22 | GPT-5.2 medium | OpenAI | 9.9 | 8.4 | $0.548 | 2/2 | 3.12s |
| #160 | Grok Build 0.1 none | X AI | 9.8 | 4.2 | $0.547 | 2/2 | 7.36s |
| #57 | Claude Opus 4.8 none | Anthropic | 9.9 | 7.2 | $0.539 | 2/2 | 1.37s |