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) |
|---|---|---|---|---|---|---|---|
| #109 | Mimo V2 PRO none | Xiaomi | 6.5 | 5.8 | $0.045 | 1/2 | 2.51s |
| #59 | Gemma 4 26B A4B medium | 10.0 | 7.2 | $0.045 | 2/2 | 17.5s | |
| #48 | DeepSeek V3.2 medium | DeepSeek | 10.0 | 7.5 | $0.044 | 2/2 | 35.8s |
| #50 | Seed-2.0-Mini medium | Bytedance Seed | 10.0 | 7.4 | $0.044 | 2/2 | 17.5s |
| #62 | MiMo-V2-Flash medium | Xiaomi | 10.0 | 7.1 | $0.043 | 2/2 | 4.28s |
| #124 | GPT-5.4 Mini none | OpenAI | 6.3 | 5.3 | $0.038 | 1/2 | 728ms |
| #165 | Qwen3.5-9B medium | Qwen | 6.5 | 3.8 | $0.036 | 1/2 | 5.75s |
| #58 | DeepSeek V4 Pro none | DeepSeek | 6.3 | 7.2 | $0.034 | 1/2 | 4.12s |
| #72 | Ring-2.6-1T medium | Inclusionai | 9.8 | 6.8 | $0.033 | 2/2 | 11.8s |
| #88 | Gemma 4 31B medium | 10.0 | 6.3 | $0.033 | 2/2 | 12.8s | |
| #122 | Qwen3.5 Plus 2026-04-20 none | Qwen | 6.2 | 5.5 | $0.032 | 1/2 | 1.17s |
| #128 | Qwen3.6 35B A3B none | Qwen | 6.2 | 5.2 | $0.031 | 1/2 | 1.86s |
| #120 | Qwen3.6 27B none | Qwen | 6.2 | 5.5 | $0.028 | 1/2 | 1.92s |
| #85 | Gemini 3.1 Flash Lite low | 10.0 | 6.4 | $0.028 | 2/2 | 1.52s | |
| #118 | Kimi K2.5 none | Moonshot AI | 6.5 | 5.5 | $0.027 | 1/2 | 2.67s |