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: Puntuación ↑.

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)
#115	Qwen3.5-27B none	Qwen	2	5.7	7/21	1.68s
#114	Qwen3.5 Plus 2026-04-20 none	Qwen	2	5.7	7/21	4.39s
#113	DeepSeek V4 Pro none	DeepSeek	2	5.7	7/21	12.4s
#111	Owl Alpha medium	Openrouter	2	5.7	8/21	11.9s
#109	GLM 5V Turbo none	Z.ai	2	5.8	8/21	2.99s
#106	Grok 4.20 Beta none	X AI	1	5.8	6/18	1.19s
#105	Nemotron 3 Super medium	NVIDIA	3	5.8	8/21	32.0s
#104	Nemotron 3 Ultra 550b A55b none	NVIDIA	1	6.0	8/21	2.27s
#103	DeepSeek V4 Pro high	DeepSeek	1	6.0	8/21	65.2s
#102	Gemma 4 26B A4B none	Google	2	6.0	8/21	5.91s
#101	Mimo V2 Omni none	Xiaomi	1	6.0	8/21	2.44s
#100	Grok Build 0.1 none	X AI	2	6.0	7/19	28.7s
#99	gpt-oss-120b medium	OpenAI	3	6.1	9/21	22.3s
#96	Ring-2.6-1T none	Inclusionai	2	6.2	9/21	55.1s
#94	GPT-5 Nano medium	OpenAI	2	6.3	9/21	42.5s

←

1 3 4 5 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)