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: Pruebas correctas ↓.
Modelos mostrados
15
Promedio de Puntuación de Seguimiento de instrucciones
8.5
Mejor modelo
Gemini 3.5 Flash 10.0
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) |
|---|---|---|---|---|---|---|---|
| #31 | Claude Sonnet 4.6 medium | Anthropic | 10.0 | 7.8 | $1.418 | 2/2 | 2.61s |
| #32 | Gemini 3.1 Flash Lite Preview medium | 10.0 | 7.8 | $0.068 | 2/2 | 1.91s | |
| #33 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 10.0 | 7.8 | $0.317 | 2/2 | 20.2s |
| #34 | Gemini 3.1 Flash Lite medium | 9.9 | 7.8 | $0.071 | 2/2 | 2.59s | |
| #35 | Kimi K2.6 medium | Moonshot AI | 10.0 | 7.8 | $0.889 | 2/2 | 12.5s |
| #36 | Qwen3.5-122B-A10B medium | Qwen | 10.0 | 7.7 | $0.588 | 2/2 | 9.88s |
| #37 | Grok 4.3 medium | X AI | 9.8 | 7.7 | $0.614 | 2/2 | 18.6s |
| #38 | Claude Opus 4.6 medium | Anthropic | 10.0 | 7.7 | $2.053 | 2/2 | 2.43s |
| #39 | Step 3.7 Flash low | Stepfun | 9.8 | 7.7 | $0.341 | 2/2 | 1.58s |
| #40 | MiniMax M3 medium | Minimax | 9.8 | 7.6 | $0.131 | 2/2 | 6.14s |
| #42 | Grok Build 0.1 medium | X AI | 9.8 | 7.6 | $0.927 | 2/2 | 12.4s |
| #43 | Kimi K2.5 medium | Moonshot AI | 10.0 | 7.5 | $0.348 | 2/2 | 92.5s |
| #44 | Mercury 2 medium | Inception | 10.0 | 7.5 | $0.058 | 2/2 | 1.07s |
| #45 | GPT-5.3 Chat none | OpenAI | 9.8 | 7.5 | $0.433 | 2/2 | 3.51s |
| #46 | GPT-5.4 Nano medium | OpenAI | 9.8 | 7.5 | $0.107 | 2/2 | 1.88s |