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

15

Fallos totales

215

Modelo más afectado

Kimi K2.5 2

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)
#39 Qwen3.6 Flash medium Qwen 1 7.5 12/21 19.2s
#46 Qwen3.6 35B A3B medium Qwen 1 7.4 13/21 18.1s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 1 4.6 4/19 17.1s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#33 Hy3 preview medium Tencent 1 7.7 14/21 16.3s
#15 GPT-5.3-Codex medium OpenAI 2 8.4 15/21 16.2s
#28 Gemini 2.5 Flash medium Google 1 7.8 14/21 15.5s
#92 Laguna M.1 medium Poolside 1 6.4 9/19 14.7s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#124 Kimi K2.6 none Moonshot AI 3 5.5 7/21 13.3s
#156 Hy3 preview none Tencent 4 4.4 4/21 12.9s
#113 DeepSeek V4 Pro none DeepSeek 2 5.7 7/21 12.4s
#70 GPT-5.4 Nano medium OpenAI 2 7.0 11/21 12.0s
#111 Owl Alpha medium Openrouter 2 5.7 8/21 11.9s
#79 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)