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)
#222	LongCat 2.0 low	Meituan	0.7	0.7	$0.630	1/2	6.39s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.630 Tiempo de respuesta (promedio) 6.39s
#227	Claude Sonnet 5.5 medium	Anthropic	0.6	0.7	$1.100	1/2	1.88s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $1.100 Tiempo de respuesta (promedio) 1.88s
#231	Mercury 2.5 high	Inception	0.7	0.6	$0.044	1/2	934ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.044 Tiempo de respuesta (promedio) 934ms
#238	Qwen3.5-122B-A10B none	Qwen	0.6	0.6	$0.308	1/2	513ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.308 Tiempo de respuesta (promedio) 513ms
#239	Gemini 3 Flash Preview none	Google	0.6	0.6	$0.155	1/2	1.58s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.155 Tiempo de respuesta (promedio) 1.58s
#240	Beam 1.0 501B A23B max	Reflection	0.8	0.6	$0.799	1/2	866ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.799 Tiempo de respuesta (promedio) 866ms
#245	Beam 1.0 501B A23B low	Reflection	0.8	0.6	$0.432	1/2	1.14s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.432 Tiempo de respuesta (promedio) 1.14s
#246	Mercury 2.5 medium	Inception	0.6	0.6	$0.034	1/2	1.07s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.034 Tiempo de respuesta (promedio) 1.07s
#247	Gemini 3.5 Flash minimal	Google	0.6	0.6	$0.508	1/2	893ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.508 Tiempo de respuesta (promedio) 893ms
#249	Dots 3 Note Preview high	Dots Studio	0.8	0.6	$0.000	1/2	7.80s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.000 Tiempo de respuesta (promedio) 7.80s
#250	Dots 3 Note Preview low	Dots Studio	0.8	0.6	$0.000	1/2	7.83s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.000 Tiempo de respuesta (promedio) 7.83s
#251	LongCat 2.0 none	Meituan	0.7	0.6	$0.104	1/2	2.82s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.104 Tiempo de respuesta (promedio) 2.82s
#253	Qwen3.6 27B none	Qwen	0.6	0.6	$0.148	1/2	1.92s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.148 Tiempo de respuesta (promedio) 1.92s
#258	Solar Pro 4 high	Upstage	0.8	0.6	$0.077	1/2	41.5s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.077 Tiempo de respuesta (promedio) 41.5s
#265	DeepSeek V4 Flash 0423 none	DeepSeek	0.7	0.6	$0.149	1/2	17.5s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.149 Tiempo de respuesta (promedio) 17.5s

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)