Ranking de 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

Fallos totales

522

Modelo más afectado

Claude Opus 5.5 1

Categorías

En la categoría Resolución de acertijos166 En la categoría Inteligencia general142 En la categoría Seguimiento de instrucciones77 En la categoría Trucos anti-IA52 En la categoría Programación50 En la categoría Llamada de herramientas13 En la categoría Tareas de agentes10 En la categoría Análisis y extracción de datos8 En la categoría Específico del dominio3 En la categoría Combinado1

293/293

Rango	Modelo	Empresa	Cantidad de No siguió las instrucciones	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#301	Trinity Large Thinking high	Arcee AI	4	0.6	$0.794	6/23	74.5s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.794 Tiempo de respuesta (promedio) 74.5s
#303	GPT-5.4 Mini none	OpenAI	3	0.6	$0.170	6/23	3.34s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.170 Tiempo de respuesta (promedio) 3.34s
#304	Mistral Large 4 none	Mistral	1	0.6	$0.290	6/23	20.4s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.290 Tiempo de respuesta (promedio) 20.4s
#313	Qwen3.5-35B-A3B none	Qwen	2	0.6	$0.120	6/23	18.3s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.120 Tiempo de respuesta (promedio) 18.3s
#316	Kimi K2.6 none	Moonshot AI	3	0.5	$0.486	6/23	26.3s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.486 Tiempo de respuesta (promedio) 26.3s
#322	Seed-2.0-Code none	Bytedance Seed	2	0.5	$0.257	6/23	17.5s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.257 Tiempo de respuesta (promedio) 17.5s
#327	MiMo-V2.6-Flash none	Xiaomi	1	0.5	$0.060	6/23	6.20s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.060 Tiempo de respuesta (promedio) 6.20s
#338	Ling 3.0 Flash none	Inclusionai	1	0.5	$0.004	6/23	3.40s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.004 Tiempo de respuesta (promedio) 3.40s
#350	Mercury 2.5 Preview low	Inception	2	0.5	$0.015	6/23	4.92s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.015 Tiempo de respuesta (promedio) 4.92s
#373	DeepSeek V3.2 none	DeepSeek	1	0.5	$0.119	6/23	22.4s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.119 Tiempo de respuesta (promedio) 22.4s
#382	Ling 2.6 Flash default	Inclusionai	2	0.5	$0.002	6/23	10.2s
Pruebas totales 23 Pruebas incorrectas 17 Costo total $0.002 Tiempo de respuesta (promedio) 10.2s
#436	GPT-6 Luna Decisions default	OpenAI	1	0.2	$0.005	3/12	495ms
Pruebas totales 12 Pruebas incorrectas 9 Costo total $0.005 Tiempo de respuesta (promedio) 495ms
#413	Elephant Alpha default	Openrouter	3	0.4	$0.000	5/21	1.22s
Pruebas totales 21 Pruebas incorrectas 16 Costo total $0.000 Tiempo de respuesta (promedio) 1.22s
#265	DeepSeek V4 Flash 0423 none	DeepSeek	1	0.6	$0.149	5/23	38.6s
Pruebas totales 23 Pruebas incorrectas 18 Costo total $0.149 Tiempo de respuesta (promedio) 38.6s
#270	DeepSeek V4 Flash 0731 none	DeepSeek	2	0.6	$0.053	5/23	27.4s
Pruebas totales 23 Pruebas incorrectas 18 Costo total $0.053 Tiempo de respuesta (promedio) 27.4s

Fallos por No siguió las instrucciones

Filtrar modelos

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)