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: Cantidad de fallos ↑.

Modelos mostrados

15

Fallos totales

215

Modelo más afectado

Gemini 3.5 Flash 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)
#147 GPT-4o-mini none OpenAI 1 4.8 5/21 1.77s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 1 4.6 4/19 17.1s
#155 Mercury 2 none Inception 1 4.5 4/21 653ms
#160 LFM2-24B-A2B none Liquid 1 4.2 2/16 782ms
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#15 GPT-5.3-Codex medium OpenAI 2 8.4 15/21 16.2s
#19 Seed-2.0-Lite medium Bytedance Seed 2 8.2 14/21 47.1s
#21 GPT-5.4 medium OpenAI 2 8.0 14/21 22.3s
#30 Qwen3.5-27B medium Qwen 2 7.8 13/21 68.4s
#31 DeepSeek V4 Flash high DeepSeek 2 7.7 13/21 45.8s
#38 Grok 4.3 medium X AI 2 7.6 13/21 47.5s
#43 MiMo-V2.5-Pro medium Xiaomi 2 7.5 12/21 26.1s
#58 Gemini 3.1 Flash Lite Preview none Google 2 7.2 12/21 1.21s
#60 Kimi K2.6 medium Moonshot AI 2 7.2 12/21 71.7s
#63 GPT-5.3 Chat none OpenAI 2 7.2 12/21 6.34s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)