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) |
|---|---|---|---|---|---|---|---|
| #136 | Grok 4.20 Multi Agent Beta medium | X AI | 9.8 | 5.0 | $5.599 | 2/2 | 3.52s |
| #9 | GPT-5.5 medium | OpenAI | 10.0 | 9.0 | $3.679 | 2/2 | 3.36s |
| #6 | Claude Fable 5 medium | Anthropic | 10.0 | 9.2 | $3.165 | 2/2 | 5.90s |
| #95 | Gemini 3.1 Flash Lite Preview high | 9.8 | 6.1 | $2.310 | 2/2 | 64.0s | |
| #38 | Claude Opus 4.6 medium | Anthropic | 10.0 | 7.7 | $2.053 | 2/2 | 2.43s |
| #83 | Gemini 3.1 Flash Lite high | 7.3 | 6.5 | $2.044 | 1/2 | 23.3s | |
| #31 | Claude Sonnet 4.6 medium | Anthropic | 10.0 | 7.8 | $1.418 | 2/2 | 2.61s |
| #17 | GPT-5.4 medium | OpenAI | 10.0 | 8.5 | $1.210 | 2/2 | 3.11s |
| #63 | Step 3.7 Flash high | Stepfun | 9.8 | 7.1 | $1.148 | 2/2 | 1.52s |
| #1 | Gemini 3.5 Flash high | 10.0 | 9.8 | $1.115 | 2/2 | 3.35s | |
| #12 | Claude Opus 4.8 medium | Anthropic | 10.0 | 8.8 | $1.107 | 2/2 | 3.32s |
| #66 | Gemini 3.5 Flash none | 9.8 | 7.0 | $1.079 | 2/2 | 3.38s | |
| #7 | Gemini 3.1 Pro Preview medium | 10.0 | 9.2 | $1.054 | 2/2 | 9.56s | |
| #11 | Qwen3.6 Max Preview medium | Qwen | 10.0 | 8.9 | $0.960 | 2/2 | 24.3s |
| #42 | Grok Build 0.1 medium | X AI | 9.8 | 7.6 | $0.927 | 2/2 | 12.4s |