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) |
|---|---|---|---|---|---|---|---|
| #100 | Qwen3.6 Max Preview none | Qwen | 9.8 | 6.0 | $0.075 | 2/2 | 1.40s |
| #34 | Gemini 3.1 Flash Lite medium | 9.9 | 7.8 | $0.071 | 2/2 | 2.59s | |
| #80 | Step 3.5 Flash medium | Stepfun | 8.3 | 6.6 | $0.070 | 1/2 | 4.78s |
| #115 | Grok 4.1 Fast medium | X AI | 6.5 | 5.6 | $0.069 | 1/2 | 4.63s |
| #32 | Gemini 3.1 Flash Lite Preview medium | 10.0 | 7.8 | $0.068 | 2/2 | 1.91s | |
| #133 | Mistral Small 4 medium | Mistral | 7.3 | 5.1 | $0.068 | 1/2 | 1.38s |
| #76 | MiMo-V2.5 medium | Xiaomi | 9.9 | 6.7 | $0.063 | 2/2 | 1.80s |
| #74 | Hy3 preview high | Tencent | 10.0 | 6.8 | $0.059 | 2/2 | 34.4s |
| #116 | GLM 5.1 none | Z.ai | 9.8 | 5.6 | $0.058 | 2/2 | 1.98s |
| #44 | Mercury 2 medium | Inception | 10.0 | 7.5 | $0.058 | 2/2 | 1.07s |
| #155 | Grok 4.20 none | X AI | 6.3 | 4.4 | $0.057 | 1/2 | 445ms |
| #68 | Qwen3.7 Max none | Qwen | 10.0 | 6.9 | $0.054 | 2/2 | 943ms |
| #157 | GLM 4.7 Flash medium | Z.ai | 6.2 | 4.3 | $0.054 | 1/2 | 2.97s |
| #105 | GLM 5V Turbo none | Z.ai | 6.5 | 5.9 | $0.052 | 1/2 | 1.97s |
| #123 | GLM 5 Turbo none | Z.ai | 6.5 | 5.3 | $0.047 | 1/2 | 2.13s |