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)
#99 gpt-oss-120b medium OpenAI 3 6.1 9/21 22.3s
#79 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#86 Grok 4.1 Fast medium X AI 4 6.5 9/19 23.8s
#92 Laguna M.1 medium Poolside 1 6.4 9/19 14.7s
#76 Kimi K2.5 medium Moonshot AI 2 6.8 10/21 98.4s
#78 Qwen3.6 27B medium Qwen 1 6.8 10/21 59.7s
#80 Mimo V2 Omni medium Xiaomi 2 6.7 10/21 41.2s
#81 Mercury 2 medium Inception 3 6.6 10/21 2.24s
#85 Gemma 4 31B none Google 1 6.5 10/21 4.05s
#87 Gemini 3.1 Flash Lite minimal Google 3 6.4 10/21 1.33s
#88 Qwen3.7 Plus none Qwen 1 6.4 10/21 2.85s
#83 Step 3.5 Flash none Stepfun 1 6.6 6/12 39.0s
#59 GLM 5V Turbo medium Z.ai 1 7.2 11/21 23.1s
#67 MiniMax M3 medium Minimax 2 7.1 11/21 68.2s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)