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: Puntuación ↑.

Modelos mostrados

15

Fallos totales

215

Modelo más afectado

Granite 4.1 8B 4

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)
#131 Qwen3.5-122B-A10B none Qwen 2 5.3 6/21 3.41s
#130 MiniMax M2.7 medium Minimax 5 5.3 5/21 38.2s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#126 gpt-oss-120b none OpenAI 2 5.4 6/19 21.6s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#125 GPT-5.4 none OpenAI 1 5.5 7/21 1.42s
#123 MiMo-V2.5-Pro none Xiaomi 4 5.5 6/21 1.78s
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#120 Mimo V2 PRO none Xiaomi 2 5.6 7/21 2.27s
#119 Cobuddy medium Baidu 3 5.6 7/21 39.9s
#118 Qwen3.6 27B none Qwen 2 5.6 7/21 3.72s
#117 Qwen3.5-35B-A3B none Qwen 2 5.6 7/21 3.37s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)