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) ↓.
| Rango | Modelo | Empresa | Cantidad de No siguió las instrucciones | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #65 | MiMo-V2-Pro none | Xiaomi | 2 | 6.0 | 7/18 | 2.39s |
| #54 | Mercury 2 medium | Inception | 4 | 6.5 | 8/18 | 2.21s |
| #69 | Kimi K2.6 none | Moonshot AI | 3 | 5.8 | 7/18 | 2.05s |
| #89 | GPT-4o-mini none | OpenAI | 1 | 4.9 | 4/18 | 2.00s |
| #55 | MiMo-V2-Omni none | Xiaomi | 2 | 6.5 | 8/18 | 1.99s |
| #95 | Grok 4.1 Fast none | X AI | 2 | 4.5 | 3/18 | 1.76s |
| #67 | Qwen3.5-27B none | Qwen | 2 | 5.9 | 6/18 | 1.74s |
| #66 | GPT-5.4 none | OpenAI | 1 | 5.9 | 7/18 | 1.51s |
| #90 | Qwen3.5-9B none | Qwen | 3 | 4.8 | 4/18 | 1.47s |
| #96 | GPT-5.4 Nano none | OpenAI | 3 | 4.5 | 2/18 | 1.40s |
| #29 | Gemini 3.1 Flash Lite Preview none | 2 | 7.9 | 12/18 | 1.30s | |
| #81 | Elephant medium | Openrouter | 3 | 5.2 | 5/18 | 1.27s |
| #85 | Elephant none | Openrouter | 3 | 5.2 | 5/18 | 1.23s |
| #79 | Grok 4.20 Beta none | X AI | 3 | 5.3 | 4/18 | 1.19s |
| #86 | GPT-5.4 Mini none | OpenAI | 3 | 5.1 | 5/18 | 1.17s |