Ranking de fallos por No siguió las instrucciones

Fallos AI BENCHY

Mira qué modelos de IA se encuentran con No siguió las instrucciones con más frecuencia para detectar riesgos de fiabilidad antes de elegir.

Modelos mostrados

Fallos totales

180

Modelo más afectado

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)
#10	Qwen3.5-27B medium	Qwen	2	8.4	13/18	53.0s
#16	GPT-5.4 medium	OpenAI	2	8.2	13/18	18.6s
#18	GLM 5 Turbo medium	Z.ai	2	8.1	12/18	17.7s
#29	Gemini 3.1 Flash Lite Preview none	Google	2	7.9	12/18	1.30s
#31	GLM 5V Turbo medium	Z.ai	2	7.8	11/18	15.0s
#35	MiMo-V2-Omni medium	Xiaomi	2	7.7	11/18	16.8s
#36	GPT-5.3 Chat none	OpenAI	2	7.7	11/18	5.88s
#46	Kimi K2.5 medium	Moonshot AI	2	7.0	9/18	72.4s
#50	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#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
#63	Qwen3.5-35B-A3B none	Qwen	2	6.1	7/18	3.82s
#65	MiMo-V2-Pro none	Xiaomi	2	6.0	7/18	2.39s
#67	Qwen3.5-27B none	Qwen	2	5.9	6/18	1.74s
#72	Hunter Alpha none	OpenRouter	2	5.7	6/18	4.58s

←

1 2 3 4 5 6

→

Fallos por No siguió las instrucciones