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) |
|---|---|---|---|---|---|---|---|
| #29 | Qwen3.5-27B medium | Qwen | 10.0 | 7.9 | $0.536 | 2/2 | 19.7s |
| #27 | GPT-5.4 Mini medium | OpenAI | 9.8 | 8.0 | $0.526 | 2/2 | 2.13s |
| #3 | Qwen3.7 Max medium | Qwen | 10.0 | 9.4 | $0.523 | 2/2 | 7.46s |
| #49 | Claude Opus 4.7 none | Anthropic | 10.0 | 7.4 | $0.505 | 2/2 | 1.46s |
| #56 | GLM 5V Turbo medium | Z.ai | 9.9 | 7.3 | $0.457 | 2/2 | 3.74s |
| #81 | Qwen3.6 27B medium | Qwen | 10.0 | 6.6 | $0.440 | 2/2 | 38.0s |
| #45 | GPT-5.3 Chat none | OpenAI | 9.8 | 7.5 | $0.433 | 2/2 | 3.51s |
| #89 | Qwen3.5-35B-A3B medium | Qwen | 10.0 | 6.3 | $0.401 | 2/2 | 24.4s |
| #19 | GPT-5.2 Chat none | OpenAI | 9.8 | 8.5 | $0.393 | 2/2 | 5.51s |
| #91 | Gemini 3 PRO Preview medium | 9.8 | 6.2 | $0.385 | 2/2 | 3.26s | |
| #24 | Gemini 2.5 Flash medium | 9.8 | 8.2 | $0.379 | 2/2 | 2.62s | |
| #20 | Step 3.7 Flash medium | Stepfun | 9.8 | 8.5 | $0.376 | 2/2 | 1.83s |
| #5 | Gemini 3.5 Flash low | 9.9 | 9.2 | $0.349 | 2/2 | 1.86s | |
| #43 | Kimi K2.5 medium | Moonshot AI | 10.0 | 7.5 | $0.348 | 2/2 | 92.5s |
| #39 | Step 3.7 Flash low | Stepfun | 9.8 | 7.7 | $0.341 | 2/2 | 1.58s |