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)
#13 GLM 5 medium Z.ai 1 8.4 13/18 23.3s
#41 MiMo-V2-Flash medium Xiaomi 1 7.5 11/18 23.4s
#52 Grok 4.1 Fast medium X AI 4 6.7 9/18 23.9s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#24 Gemma 4 26B A4B medium Google 1 8.0 13/18 25.0s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#80 MiniMax M2.7 medium Minimax 6 5.3 4/18 31.1s
#93 GLM 4.7 Flash medium Z.ai 2 4.6 4/18 32.3s
#71 MiniMax M2.5 medium Minimax 3 5.7 5/18 39.6s
#57 GPT-5 Nano medium OpenAI 3 6.3 7/18 44.1s
#34 Kimi K2.6 medium Moonshot AI 3 7.7 11/18 45.2s
#27 DeepSeek V3.2 medium DeepSeek 1 8.0 12/18 46.4s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)