AI BENCHY
Comparar Gráficos Metodología
❤️ Made by XCS
Your ad here

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: Tiempo de respuesta (promedio) ↓.

Modelos mostrados

55

Promedio de Puntuación de Seguimiento de instrucciones

8.1

Mejor modelo

Kimi K2.5 10.0
Rango Modelo Empresa Puntuación de Seguimiento de instrucciones Puntaje prom. Pruebas correctas Tiempo de respuesta (promedio)
#28 Kimi K2.5 medium Moonshot AI 10.0 6.4 2/2 92.5s
#8 Gemini 3.1 Flash Lite Preview high Google 9.0 8.2 1/2 70.1s
#24 Qwen3.5-Flash medium Qwen 10.0 6.9 2/2 63.5s
#18 DeepSeek V3.2 medium DeepSeek 10.0 7.3 2/2 35.8s
#4 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 8.3 2/2 31.9s
#35 Qwen3.5-35B-A3B medium Qwen 10.0 5.5 2/2 24.4s
#7 Qwen3.5-27B medium Qwen 10.0 8.2 2/2 19.7s
#23 Seed-2.0-Mini medium Bytedance Seed 10.0 6.9 2/2 17.5s
#32 GPT-5 Mini medium OpenAI 7.5 6.0 1/2 15.7s
#34 GPT-5 Nano medium OpenAI 9.0 5.5 1/2 11.9s
#10 Qwen3.5-122B-A10B medium Qwen 10.0 7.7 2/2 9.88s
#2 Gemini 3.1 Pro Preview medium Google 10.0 9.4 2/2 9.56s
#37 Qwen3.5-Flash none Qwen 5.0 5.2 1/2 8.81s
#48 Qwen3 Coder Next none Qwen 4.5 4.0 0/2 7.71s
#39 gpt-oss-120b medium OpenAI 9.5 5.1 2/2 7.63s
#50 Qwen3 Coder Next medium Qwen 4.5 3.5 0/2 7.34s
#14 GLM 5 medium Z.ai 10.0 7.4 2/2 7.25s
#5 Gemini 3 Flash Preview low Google 9.5 8.2 2/2 7.02s
#1 Gemini 3 Flash Preview medium Google 10.0 10.0 2/2 6.10s
#15 GPT-5.2 Chat none OpenAI 6.0 7.4 1/2 5.46s
#30 Grok 4.1 Fast medium X AI 5.5 6.2 1/2 5.30s
#13 Step 3.5 Flash medium Stepfun 9.0 7.4 1/2 4.98s
#43 MiniMax M2.5 medium Minimax 8.0 4.7 1/2 4.64s
#21 MiMo-V2-Flash medium Xiaomi 10.0 7.2 2/2 4.28s
#19 GPT-5.3 Chat none OpenAI 9.0 7.3 1/2 3.29s
#6 Gemini 3 Pro Preview medium Google 9.5 8.2 2/2 3.26s
#27 GPT-5.2 medium OpenAI 9.5 6.5 2/2 3.12s
#9 GPT-5.4 medium OpenAI 10.0 8.0 2/2 3.11s
#3 GPT-5.3-Codex medium OpenAI 10.0 8.4 2/2 3.04s
#52 GLM 4.7 Flash medium Z.ai 5.0 3.1 1/2 2.97s
#46 Kimi K2.5 none Moonshot AI 5.5 4.1 1/2 2.67s
#16 Gemini 2.5 Flash medium Google 9.5 7.4 2/2 2.62s
#11 Claude Sonnet 4.6 medium Anthropic 10.0 7.7 2/2 2.61s
#26 Claude Opus 4.6 medium Anthropic 10.0 6.6 2/2 2.43s
#25 Claude Sonnet 4.6 none Anthropic 5.5 6.8 1/2 1.96s
#12 Gemini 3.1 Flash Lite Preview medium Google 10.0 7.5 2/2 1.91s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 10.0 6.2 2/2 1.67s
#20 Gemini 3 Flash Preview none Google 5.5 7.2 1/2 1.58s
#33 DeepSeek V3.2 none DeepSeek 10.0 5.5 2/2 1.52s
#17 Gemini 3.1 Flash Lite Preview low Google 10.0 7.3 2/2 1.49s
#31 GLM 5 none Z.ai 10.0 6.0 2/2 1.48s
#47 GPT-4o-mini none OpenAI 4.5 4.0 0/2 1.27s
#22 Gemini 3.1 Flash Lite Preview none Google 10.0 7.1 2/2 1.13s
#45 Trinity Large Preview none Arcee AI 3.5 4.2 0/2 1.09s
#55 LFM2-24B-A2B none Liquid 4.5 2.6 0/2 1.09s
#44 GPT-5.4 none OpenAI 5.5 4.5 1/2 1.07s
#36 Mercury 2 medium Inception 10.0 5.3 2/2 1.07s
#53 Grok 4.1 Fast none X AI 10.0 2.9 0/2 923ms
#49 GLM 4.7 Flash none Z.ai 5.5 3.9 1/2 888ms
#54 MiMo-V2-Flash none Xiaomi 5.5 2.9 1/2 857ms
#41 Qwen3.5-27B none Qwen 4.5 4.9 0/2 815ms
#42 Qwen3.5-35B-A3B none Qwen 5.0 4.7 1/2 809ms
#38 Gemini 2.5 Flash none Google 9.0 5.2 1/2 672ms
#40 Qwen3.5-122B-A10B none Qwen 4.5 5.0 0/2 585ms
#51 Mercury 2 none Inception 5.5 3.4 1/2 551ms

Mejores modelos por Puntuación de Seguimiento de instrucciones

Puntuación de Seguimiento de instrucciones vs costo total

Mejores modelos por Tiempo de respuesta (promedio)