AI BENCHY
Your ad 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: Tiempo de respuesta (promedio) ↑.

Modelos mostrados

15

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)
#38 GPT-5.4 Nano medium OpenAI 3 7.6 11/18 11.2s
#84 gpt-oss-120b none OpenAI 5 5.2 4/18 12.0s
#15 Gemini 2.5 Flash medium Google 1 8.2 13/18 12.1s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#9 Qwen3.6 Plus Preview medium Qwen 1 8.5 13/17 13.9s
#40 GPT-5.2 medium OpenAI 3 7.5 11/18 14.0s
#31 GLM 5V Turbo medium Z.ai 2 7.8 11/18 15.0s
#44 GPT-5.4 Mini medium OpenAI 5 7.3 9/18 15.2s
#20 Qwen3.6 Plus medium Qwen 1 8.1 13/18 15.3s
#7 GPT-5.3-Codex medium OpenAI 2 8.6 13/18 15.4s
#68 gpt-oss-120b medium OpenAI 4 5.8 7/18 16.1s
#35 MiMo-V2-Omni medium Xiaomi 2 7.7 11/18 16.8s
#18 GLM 5 Turbo medium Z.ai 2 8.1 12/18 17.7s
#16 GPT-5.4 medium OpenAI 2 8.2 13/18 18.6s
#51 Nemotron 3 Super medium NVIDIA 4 6.7 9/18 19.1s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)