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) |
|---|---|---|---|---|---|---|---|
| #26 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 9.8 | 8.1 | $0.158 | 2/2 | 6.35s |
| #41 | DeepSeek V4 Pro high | DeepSeek | 7.8 | 7.6 | $0.157 | 1/2 | 8.73s |
| #75 | Qwen3.6 35B A3B medium | Qwen | 10.0 | 6.7 | $0.146 | 2/2 | 7.50s |
| #40 | MiniMax M3 medium | Minimax | 9.8 | 7.6 | $0.131 | 2/2 | 6.14s |
| #112 | GPT-5.4 none | OpenAI | 6.5 | 5.8 | $0.122 | 1/2 | 1.07s |
| #52 | Gemini 3 Flash Preview low | 9.9 | 7.4 | $0.111 | 2/2 | 7.02s | |
| #71 | Gemini 3.5 Flash minimal | 6.4 | 6.8 | $0.108 | 1/2 | 893ms | |
| #46 | GPT-5.4 Nano medium | OpenAI | 9.8 | 7.5 | $0.107 | 2/2 | 1.88s |
| #51 | MiMo-V2.5-Pro medium | Xiaomi | 9.9 | 7.4 | $0.106 | 2/2 | 2.77s |
| #127 | MiniMax M2.7 medium | Minimax | 3.8 | 5.2 | $0.104 | 0/2 | 12.8s |
| #149 | Grok 4.20 Beta none | X AI | 6.3 | 4.7 | $0.087 | 1/2 | 649ms |
| #79 | GPT-5 Nano medium | OpenAI | 9.8 | 6.7 | $0.081 | 2/2 | 15.6s |
| #70 | Qwen3.5-Flash medium | Qwen | 10.0 | 6.8 | $0.080 | 2/2 | 63.5s |
| #111 | Kimi K2.6 none | Moonshot AI | 6.5 | 5.8 | $0.079 | 1/2 | 1.64s |
| #61 | GLM 5.2 none | Z.ai | 9.8 | 7.1 | $0.076 | 2/2 | 3.84s |