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: Pruebas correctas ↑.

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)
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#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
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#100 Grok Build 0.1 none X AI 2 6.0 7/19 28.7s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#103 DeepSeek V4 Pro high DeepSeek 1 6.0 8/21 65.2s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 6.0 8/21 2.27s
#105 Nemotron 3 Super medium NVIDIA 3 5.8 8/21 32.0s
#109 GLM 5V Turbo none Z.ai 2 5.8 8/21 2.99s
#111 Owl Alpha medium Openrouter 2 5.7 8/21 11.9s
#90 Gemini 3.1 Flash Lite none Google 1 6.4 9/21 1.06s
#94 GPT-5 Nano medium OpenAI 2 6.3 9/21 42.5s
#96 Ring-2.6-1T none Inclusionai 2 6.2 9/21 55.1s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)