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)
#121 Owl Alpha none Openrouter 3 5.5 7/21 9.88s
#13 Grok 4.20 Beta medium X AI 1 8.5 14/18 9.75s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#132 Mistral Small 4 medium Mistral 2 5.3 5/21 9.40s
#138 Ling-2.6-flash none Inclusionai 2 5.0 6/21 9.34s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#150 Qwen3 Coder Next medium Qwen 3 4.6 4/21 8.58s
#159 Ling-2.6-1T none Inclusionai 2 4.3 3/21 7.72s
#24 GPT-5.2 Chat none OpenAI 1 7.9 14/21 7.13s
#63 GPT-5.3 Chat none OpenAI 2 7.2 12/21 6.34s
#102 Gemma 4 26B A4B none Google 2 6.0 8/21 5.91s
#141 Nemotron 3 Super none NVIDIA 2 4.9 5/21 5.30s
#77 Claude Sonnet 4.6 none Anthropic 1 6.8 11/21 5.04s
#7 Gemini 3.5 Flash medium Google 1 9.0 18/21 4.94s
#116 Hunter Alpha none OpenRouter 2 5.7 6/18 4.70s

Mejores modelos por Cantidad de No siguió las instrucciones

Cantidad de No siguió las instrucciones vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)