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: Pruebas correctas ↑.

Modelos mostrados

Fallos totales

180

Modelo más afectado

LFM2-24B-A2B 2

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)
#30	Step 3.5 Flash medium	Stepfun	3	7.9	11/17	26.8s
#18	GLM 5 Turbo medium	Z.ai	2	8.1	12/18	17.7s
#23	MiMo-V2-Pro medium	Xiaomi	1	8.1	12/18	12.3s
#25	Grok 4.20 Beta medium	X AI	3	8.0	12/18	9.81s
#27	DeepSeek V3.2 medium	DeepSeek	1	8.0	12/18	46.4s
#28	GPT-5.2 Chat none	OpenAI	1	7.9	12/18	6.84s
#29	Gemini 3.1 Flash Lite Preview none	Google	2	7.9	12/18	1.30s
#6	Seed-2.0-Lite medium	Bytedance Seed	2	8.6	13/18	30.4s
#7	GPT-5.3-Codex medium	OpenAI	2	8.6	13/18	15.4s
#10	Qwen3.5-27B medium	Qwen	2	8.4	13/18	53.0s
#13	GLM 5 medium	Z.ai	1	8.4	13/18	23.3s
#14	Gemma 4 31B medium	Google	1	8.3	13/18	24.9s
#15	Gemini 2.5 Flash medium	Google	1	8.2	13/18	12.1s
#16	GPT-5.4 medium	OpenAI	2	8.2	13/18	18.6s
#17	Gemini 3.1 Flash Lite Preview medium	Google	1	8.2	13/18	3.74s

←

1 2 3 4 5 6

→

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)