Ranking de fallos por No siguió las instrucciones

Mira qué modelos de IA se encuentran con No siguió las instrucciones con más frecuencia para detectar riesgos de fiabilidad antes de elegir. Ordenar por: Cantidad de fallos ↑.

Modelos mostrados

Fallos totales

522

Modelo más afectado

Claude Opus 5.5 1

Categorías

En la categoría Resolución de acertijos166 En la categoría Inteligencia general142 En la categoría Seguimiento de instrucciones77 En la categoría Trucos anti-IA52 En la categoría Programación50 En la categoría Llamada de herramientas13 En la categoría Tareas de agentes10 En la categoría Análisis y extracción de datos8 En la categoría Específico del dominio3 En la categoría Combinado1

293/293

Rango	Modelo	Empresa	Cantidad de No siguió las instrucciones	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#236	Grok 4.3 medium	X AI	2	0.6	$0.989	12/23	44.5s
Pruebas totales 23 Pruebas incorrectas 11 Costo total $0.989 Tiempo de respuesta (promedio) 44.5s
#238	Qwen3.5-122B-A10B none	Qwen	2	0.6	$0.308	7/23	14.8s
Pruebas totales 23 Pruebas incorrectas 16 Costo total $0.308 Tiempo de respuesta (promedio) 14.8s
#240	Beam 1.0 501B A23B max	Reflection	2	0.6	$0.799	12/23	11.1s
Pruebas totales 23 Pruebas incorrectas 11 Costo total $0.799 Tiempo de respuesta (promedio) 11.1s
#241	Solar Pro 4 medium	Upstage	2	0.6	$0.098	12/23	133.9s
Pruebas totales 23 Pruebas incorrectas 11 Costo total $0.098 Tiempo de respuesta (promedio) 133.9s
#243	Minimax M3.1 Flash xhigh	Minimax	2	0.6	$0.000	10/23	21.7s
Pruebas totales 23 Pruebas incorrectas 13 Costo total $0.000 Tiempo de respuesta (promedio) 21.7s
#244	Kimi K2.5 medium	Moonshot AI	2	0.6	$0.841	10/23	125.8s
Pruebas totales 23 Pruebas incorrectas 13 Costo total $0.841 Tiempo de respuesta (promedio) 125.8s
#245	Beam 1.0 501B A23B low	Reflection	2	0.6	$0.432	11/23	4.89s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $0.432 Tiempo de respuesta (promedio) 4.89s
#248	MiMo-V2.5-Pro medium	Xiaomi	2	0.6	$0.332	11/23	56.7s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $0.332 Tiempo de respuesta (promedio) 56.7s
#250	Dots 3 Note Preview low	Dots Studio	2	0.6	$0.000	10/23	66.1s
Pruebas totales 23 Pruebas incorrectas 13 Costo total $0.000 Tiempo de respuesta (promedio) 66.1s
#253	Qwen3.6 27B none	Qwen	2	0.6	$0.148	8/23	12.7s
Pruebas totales 23 Pruebas incorrectas 15 Costo total $0.148 Tiempo de respuesta (promedio) 12.7s
#266	Grok 4.20 medium	X AI	2	0.6	$1.246	11/23	36.7s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $1.246 Tiempo de respuesta (promedio) 36.7s
#267	Space Bunny Alpha xhigh	Stealth	2	0.6	$0.000	9/23	60.0s
Pruebas totales 23 Pruebas incorrectas 14 Costo total $0.000 Tiempo de respuesta (promedio) 60.0s
#270	DeepSeek V4 Flash 0731 none	DeepSeek	2	0.6	$0.053	5/23	27.4s
Pruebas totales 23 Pruebas incorrectas 18 Costo total $0.053 Tiempo de respuesta (promedio) 27.4s
#271	Gemini 3.1 Flash Lite Preview none	Google	2	0.6	$0.090	12/23	3.60s
Pruebas totales 23 Pruebas incorrectas 11 Costo total $0.090 Tiempo de respuesta (promedio) 3.60s
#274	Beam 1.0 501B A23B high	Reflection	2	0.6	$0.674	11/23	9.03s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $0.674 Tiempo de respuesta (promedio) 9.03s

Fallos por No siguió las instrucciones

Filtrar modelos

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)