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) |
|---|---|---|---|---|---|---|---|
| #126 | DeepSeek V3.2 none | DeepSeek | 10.0 | 5.3 | $0.017 | 2/2 | 1.52s |
| #132 | Hunter Alpha medium | OpenRouter | 9.9 | 5.1 | $0.000 | 2/2 | 4.18s |
| #136 | Grok 4.20 Multi Agent Beta medium | X AI | 9.8 | 5.0 | $5.599 | 2/2 | 3.52s |
| #138 | Laguna M.1 medium | Poolside | 10.0 | 5.0 | $0.000 | 2/2 | 4.30s |
| #140 | Cobuddy medium | Baidu | 9.8 | 4.9 | $0.000 | 2/2 | 11.6s |
| #143 | Ling-2.6-flash none | Inclusionai | 9.8 | 4.9 | $0.001 | 2/2 | 5.52s |
| #144 | Ring-2.6-1T none | Inclusionai | 9.8 | 4.8 | $0.026 | 2/2 | 27.4s |
| #152 | Elephant Alpha none | Openrouter | 9.8 | 4.6 | $0.000 | 2/2 | 1.03s |
| #153 | Elephant Alpha medium | Openrouter | 9.8 | 4.5 | $0.000 | 2/2 | 987ms |
| #156 | Laguna Xs.2 medium | Poolside | 10.0 | 4.3 | $0.000 | 2/2 | 1.68s |
| #160 | Grok Build 0.1 none | X AI | 9.8 | 4.2 | $0.547 | 2/2 | 7.36s |
| #164 | gpt-oss-120b none | OpenAI | 9.8 | 4.0 | $0.010 | 2/2 | 5.06s |
| #168 | Step 3.5 Flash none | Stepfun | 5.0 | 2.6 | $0.020 | 1/1 | 9.30s |
| #41 | DeepSeek V4 Pro high | DeepSeek | 7.8 | 7.6 | $0.157 | 1/2 | 8.73s |
| #55 | Claude Sonnet 4.6 none | Anthropic | 6.5 | 7.3 | $0.316 | 1/2 | 1.96s |