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

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)
#163	Granite 4.1 8B none	IBM Granite	4	4.0	2/21	728ms
#162	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	2	4.1	2/19	728ms
#160	LFM2-24B-A2B none	Liquid	1	4.2	2/16	782ms
#159	Ling-2.6-1T none	Inclusionai	2	4.3	3/21	7.72s
#161	Qwen3.5-9B medium	Qwen	1	4.2	3/21	82.2s
#157	Grok 4.1 Fast none	X AI	3	4.4	3/19	1.62s
#148	GPT-5.4 Nano none	OpenAI	2	4.7	4/21	1.48s
#150	Qwen3 Coder Next medium	Qwen	3	4.6	4/21	8.58s
#151	Trinity Large Preview none	Arcee AI	3	4.6	4/21	2.98s
#152	MiMo-V2-Flash none	Xiaomi	2	4.6	4/21	2.76s
#153	Qwen3.6 35B A3B none	Qwen	2	4.6	4/21	3.73s
#154	Qwen3.5-9B none	Qwen	2	4.6	4/21	1.89s
#155	Mercury 2 none	Inception	1	4.5	4/21	653ms
#156	Hy3 preview none	Tencent	4	4.4	4/21	12.9s
#158	GLM 4.7 Flash medium	Z.ai	2	4.4	4/21	35.1s

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)