Ranking de modelos 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.

Modelos mostrados

Promedio de Puntuación de Seguimiento de instrucciones

0.8

Mejor modelo

Gemini 3.6 Flash 1.0

Motivos de fallo

Con motivo de fallo Respuesta incorrecta117 Con motivo de fallo No siguió las instrucciones77 Con motivo de fallo Error de API25 Con motivo de fallo Formato extra8 Con motivo de fallo Tiempo agotado5 Con motivo de fallo Sin respuesta2

451/451

Rango	Modelo	Empresa	Puntuación de Seguimiento de instrucciones	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#168	Qwen3.5-27B none	Qwen	0.6	0.7	$0.116	1/2	1.03s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.116 Tiempo de respuesta (promedio) 1.03s
#181	Minimax M3.1 Flash low	Minimax	0.6	0.7	$0.000	1/2	1.60s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.000 Tiempo de respuesta (promedio) 1.60s
#199	Claude Sonnet 5.5 low	Anthropic	0.6	0.7	$0.909	1/2	1.91s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.909 Tiempo de respuesta (promedio) 1.91s
#210	Qwen3.5-Flash none	Qwen	0.6	0.7	$0.089	1/2	8.81s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.089 Tiempo de respuesta (promedio) 8.81s
#227	Claude Sonnet 5.5 medium	Anthropic	0.6	0.7	$1.100	1/2	1.88s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $1.100 Tiempo de respuesta (promedio) 1.88s
#238	Qwen3.5-122B-A10B none	Qwen	0.6	0.6	$0.308	1/2	513ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.308 Tiempo de respuesta (promedio) 513ms
#277	Inkling none	Thinkingmachines	0.6	0.6	$0.292	1/2	1.72s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.292 Tiempo de respuesta (promedio) 1.72s
#291	Qwen3.6 Flash none	Qwen	0.6	0.6	$0.139	1/2	1.10s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.139 Tiempo de respuesta (promedio) 1.10s
#294	Qwen3.7 Flash none	Qwen	0.6	0.6	$0.028	1/2	892ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.028 Tiempo de respuesta (promedio) 892ms
#301	Trinity Large Thinking high	Arcee AI	0.6	0.6	$0.794	1/2	4.12s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.794 Tiempo de respuesta (promedio) 4.12s
#303	GPT-5.4 Mini none	OpenAI	0.6	0.6	$0.170	1/2	728ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.170 Tiempo de respuesta (promedio) 728ms
#313	Qwen3.5-35B-A3B none	Qwen	0.6	0.6	$0.120	1/2	809ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.120 Tiempo de respuesta (promedio) 809ms
#320	Gemma 4 26B A4B none	Google	0.6	0.5	$0.031	1/2	690ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.031 Tiempo de respuesta (promedio) 690ms
#324	Qwen3.8 27B none	Qwen	0.6	0.5	~$0.010	1/2	582ms
Pruebas totales 2 Pruebas incorrectas 1 Costo total ~$0.010 Tiempo de respuesta (promedio) 582ms
#353	GPT-4o-mini default	OpenAI	0.6	0.5	$0.024	1/2	1.11s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.024 Tiempo de respuesta (promedio) 1.11s

Ranking de Seguimiento de instrucciones

Filtrar modelos

Mejores modelos por Puntuación de Seguimiento de instrucciones

Puntuación de Seguimiento de instrucciones vs costo total

Mejores modelos por Tiempo de respuesta (promedio)

Ranking de Seguimiento de instrucciones

Filtrar modelos

Mejores modelos por Puntuación de Seguimiento de instrucciones

Puntuación de Seguimiento de instrucciones vs costo totalSolo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.

Mejores modelos por Tiempo de respuesta (promedio)

Puntuación de Seguimiento de instrucciones vs costo total