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: Tiempo de respuesta (promedio) ↑.

Modelos mostrados

13

Fallos totales

215

Modelo más afectado

Mistral Small 4 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)
#53 Gemini 3.1 Flash Lite high Google 3 7.3 10/18 62.0s
#49 Qwen3.5-Flash medium Qwen 1 7.4 12/21 63.3s
#103 DeepSeek V4 Pro high DeepSeek 1 6.0 8/21 65.2s
#129 MiniMax M2.5 medium Minimax 3 5.3 5/21 65.4s
#12 Gemini 3.1 Flash Lite Preview high Google 1 8.6 13/16 68.1s
#67 MiniMax M3 medium Minimax 2 7.1 11/21 68.2s
#30 Qwen3.5-27B medium Qwen 2 7.8 13/21 68.4s
#72 DeepSeek V3.2 medium DeepSeek 1 7.0 11/21 68.7s
#60 Kimi K2.6 medium Moonshot AI 2 7.2 12/21 71.7s
#62 Step 3.5 Flash medium Stepfun 3 7.2 11/20 72.5s
#73 Seed-2.0-Mini medium Bytedance Seed 1 6.9 11/21 80.2s
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#76 Kimi K2.5 medium Moonshot AI 2 6.8 10/21 98.4s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)