AI BENCHY
Your ad 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

180

Modelo más afectado

Qwen3.6 Plus Preview 1

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)
#48 Gemma 4 31B none Google 1 6.9 10/18 4.02s
#44 GPT-5.4 Mini medium OpenAI 5 7.3 9/18 15.2s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#46 Kimi K2.5 medium Moonshot AI 2 7.0 9/18 72.4s
#47 Grok 4.20 medium X AI 4 7.0 9/18 10.3s
#51 Nemotron 3 Super medium NVIDIA 4 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 4 6.7 9/18 23.9s
#50 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#54 Mercury 2 medium Inception 4 6.5 8/18 2.21s
#55 MiMo-V2-Omni none Xiaomi 2 6.5 8/18 1.99s
#58 GLM 5V Turbo none Z.ai 2 6.2 8/18 3.10s
#59 Qwen3.5-Flash none Qwen 1 6.2 8/18 3.25s
#56 Grok 4.20 Multi Agent Beta medium X AI 4 6.4 7/18 9.80s
#57 GPT-5 Nano medium OpenAI 3 6.3 7/18 44.1s
#60 Gemma 4 26B A4B none Google 3 6.2 7/18 6.59s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)