AI BENCHY
Advertise here

Fallos AI BENCHY

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: Tiempo de respuesta (promedio) ↑.

Modelos mostrados

15

Fallos totales

215

Modelo más afectado

Mistral Small 4 1

Categorías

En la categoría Resolución de acertijos78 En la categoría Inteligencia general74 En la categoría Trucos anti-IA30 En la categoría Programación14 En la categoría Seguimiento de instrucciones11 En la categoría Llamada de herramientas6 En la categoría Combinado1 En la categoría Específico del dominio1
Rango Modelo Empresa Cantidad de No siguió las instrucciones Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#32 Gemini 3.5 Flash minimal Google 1 7.7 14/21 1.57s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#157 Grok 4.1 Fast none X AI 3 4.4 3/19 1.62s
#115 Qwen3.5-27B none Qwen 2 5.7 7/21 1.68s
#147 GPT-4o-mini none OpenAI 1 4.8 5/21 1.77s
#123 MiMo-V2.5-Pro none Xiaomi 4 5.5 6/21 1.78s
#154 Qwen3.5-9B none Qwen 2 4.6 4/21 1.89s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#81 Mercury 2 medium Inception 3 6.6 10/21 2.24s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 6.0 8/21 2.27s
#120 Mimo V2 PRO none Xiaomi 2 5.6 7/21 2.27s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#152 MiMo-V2-Flash none Xiaomi 2 4.6 4/21 2.76s
#50 Gemini 3.1 Flash Lite Preview low Google 1 7.4 13/21 2.77s
#134 GLM 5 Turbo none Z.ai 2 5.2 6/21 2.82s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)