Ranking de fallos por No siguió las instrucciones

Fallos AI BENCHY

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

Fallos totales

180

Modelo más afectado

Mercury 2 1

Categorías

En la categoría Resolución de acertijos75 En la categoría Inteligencia general58 En la categoría Seguimiento de instrucciones22 En la categoría Trucos anti-IA17 En la categoría Llamada de herramientas6 En la categoría Programación2

Rango	Modelo	Empresa	Cantidad de No siguió las instrucciones	Puntuación	Pruebas correctas	Tiempo de respuesta (promedio)
#55	MiMo-V2-Omni none	Xiaomi	2	6.5	8/18	1.99s
#89	GPT-4o-mini none	OpenAI	1	4.9	4/18	2.00s
#69	Kimi K2.6 none	Moonshot AI	3	5.8	7/18	2.05s
#54	Mercury 2 medium	Inception	4	6.5	8/18	2.21s
#65	MiMo-V2-Pro none	Xiaomi	2	6.0	7/18	2.39s
#94	MiMo-V2-Flash none	Xiaomi	1	4.5	3/18	2.79s
#77	GLM 5 Turbo none	Z.ai	2	5.5	6/18	2.94s
#58	GLM 5V Turbo none	Z.ai	2	6.2	8/18	3.10s
#22	Gemini 3.1 Flash Lite Preview low	Google	1	8.1	13/18	3.22s
#59	Qwen3.5-Flash none	Qwen	1	6.2	8/18	3.25s
#74	GLM 4.7 Flash none	Z.ai	2	5.6	5/18	3.35s
#70	Qwen3.5-122B-A10B none	Qwen	1	5.7	6/18	3.69s
#17	Gemini 3.1 Flash Lite Preview medium	Google	1	8.2	13/18	3.74s
#63	Qwen3.5-35B-A3B none	Qwen	2	6.1	7/18	3.82s
#48	Gemma 4 31B none	Google	1	6.9	10/18	4.02s

←

1 2 3 4 5 6

→

Fallos por No siguió las instrucciones

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)