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)
#74	GLM 4.7 Flash none	Z.ai	2	5.6	5/18	3.35s
#75	GLM 5.1 none	Z.ai	2	5.6	5/18	4.33s
#77	GLM 5 Turbo none	Z.ai	2	5.5	6/18	2.94s
#78	Trinity Large Preview none	Arcee AI	2	5.3	5/18	5.07s
#82	Grok 4.20 none	X AI	2	5.2	5/18	1.11s
#83	Mistral Small 4 none	Mistral	2	5.2	5/18	665ms
#93	GLM 4.7 Flash medium	Z.ai	2	4.6	4/18	32.3s
#95	Grok 4.1 Fast none	X AI	2	4.5	3/18	1.76s
#97	Qwen3.5-9B medium	Qwen	2	4.4	3/18	73.6s
#98	LFM2-24B-A2B none	Liquid	2	4.1	1/16	811ms
#9	Qwen3.6 Plus Preview medium	Qwen	1	8.5	13/17	13.9s
#11	Gemini 3.1 Flash Lite Preview high	Google	1	8.4	12/16	68.8s
#13	GLM 5 medium	Z.ai	1	8.4	13/18	23.3s
#14	Gemma 4 31B medium	Google	1	8.3	13/18	24.9s
#15	Gemini 2.5 Flash medium	Google	1	8.2	13/18	12.1s

←

1 2 3 4 5 6

→

Fallos por No siguió las instrucciones