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: Pruebas correctas ↑.

Modelos mostrados

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
#133	DeepSeek V3.2 none	DeepSeek	1	5.2	6/21	13.8s
#134	GLM 5 Turbo none	Z.ai	2	5.2	6/21	2.82s
#136	Elephant Alpha medium	Openrouter	2	5.1	6/21	1.27s
#138	Ling-2.6-flash none	Inclusionai	2	5.0	6/21	9.34s
#126	gpt-oss-120b none	OpenAI	2	5.4	6/19	21.6s
#106	Grok 4.20 Beta none	X AI	1	5.8	6/18	1.19s
#113	DeepSeek V4 Pro none	DeepSeek	2	5.7	7/21	12.4s
#114	Qwen3.5 Plus 2026-04-20 none	Qwen	2	5.7	7/21	4.39s
#115	Qwen3.5-27B none	Qwen	2	5.7	7/21	1.68s
#116	Hunter Alpha none	OpenRouter	2	5.7	6/18	4.70s
#117	Qwen3.5-35B-A3B none	Qwen	2	5.6	7/21	3.37s
#118	Qwen3.6 27B none	Qwen	2	5.6	7/21	3.72s
#119	Cobuddy medium	Baidu	3	5.6	7/21	39.9s
#120	Mimo V2 PRO none	Xiaomi	2	5.6	7/21	2.27s

←

1 2 3 4 8

→

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)