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: Cantidad de fallos ↑.

Modelos mostrados

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)
#65	Grok 4.20 medium	X AI	2	7.1	12/21	27.7s
#67	MiniMax M3 medium	Minimax	2	7.1	11/21	68.2s
#70	GPT-5.4 Nano medium	OpenAI	2	7.0	11/21	12.0s
#75	Ring-2.6-1T medium	Inclusionai	2	6.9	11/21	61.3s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#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
#100	Grok Build 0.1 none	X AI	2	6.0	7/19	28.7s
#102	Gemma 4 26B A4B none	Google	2	6.0	8/21	5.91s
#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
#113	DeepSeek V4 Pro none	DeepSeek	2	5.7	7/21	12.4s

←

1 4 5 6 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)