BenchLeader

IFBenchのリーダーボード

2026年11月16日時点で、IFBenchの最高スコアは83.3%で、Grok 4.3(SpaceXAI)が記録しています。次点はMiniMax M3の82.9%です。公表された結果があるのは428のモデル構成です(Artificial Analysis、結果の日付は2026年4月30日)。IFBenchは、変わった書式や数え方のルールなど、モデルが初めて目にする制約を通常の文章作成タスクに課し、指示に正確に従えるかを試します。IFBenchはBenchLeader Indexの指示追従スコアに反映されます。

要点(2026年11月16日時点)

  • Grok 4.3がIFBenchの最高スコア83.3%を記録しています(Artificial Analysis、2026年4月30日)。
  • IFBenchの2位はMiniMax M3で、82.9%です(Artificial Analysis、2026年6月1日)。
  • IFBench:未知の制約に対する正確な指示追従。Artificial Analysisが実施(Artificial Analysis)。
  • BenchLeaderでは428のモデル構成にIFBenchの公表結果があります(BenchLeader、2026年11月16日)。
  • IFBenchはBenchLeader Indexの指示追従カテゴリに反映されます(BenchLeaderの評価方法)。

未知の制約に対する正確な指示追従。Artificial Analysisが実施。

公開元
Artificial Analysis
カテゴリ
指示追従
Indexでの重み
1.0
モデル
428
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

どんなテストか

IFBenchは、変わった書式や数え方のルールなど、モデルが初めて目にする制約を通常の文章作成タスクに課し、指示に正確に従えるかを試します。

採点方法

満たされた指示の割合をプログラムで検証したもので、Artificial Analysisが実行しています。

注意点

測っているのは明示的なルールへの準拠で、パイプラインでのモデルの信頼性にはつながりますが、ユーザーの意図をくみ取る判断力までは測りません。

428件中428件
#
1Grok 4.3medium83.3%–2026-04-30
2MiniMax M382.9%56.12026-06-01
3Nemotron 3 Ultra 550B A55Bthinking81.4%49.12026-06-04
4Grok 4.3high81.3%56.52026-04-30
5Grok 4.20thinking81.2%58.32026-04-07
6Grok 4.3low81.0%–2026-04-30
7Qwen3.7max80.5%60.02026-05-19
8Nemotron Cascade 2 30B A3B80.4%–2026-03-19
9MiMo-V2.5-Prothinking79.9%–2026-04-22
10Nova 2.0 Pro Previewlow79.6%51.92025-11-27
11DeepSeek V4 Flash 0420max79.2%–2026-04-24
12Nova 2.0 Pro Previewmedium79.0%53.42025-11-27
13Qwen3.5 397B A17Bthinking78.8%56.42026-02-16
14Gemini 3 Flashthinking78.0%58.92025-12-17
15Qwen3.7 Plus78.0%57.62026-06-01
16GPT-5.2-Codexxhigh77.6%–2025-12-11
17Gemini 3.1 Flash Lite77.2%52.62026-03-03
18Gemini 3.1 Pro77.1%59.92026-02-19
19Qwen3.6 Maxmax76.6%62.12026-04-20
20DeepSeek V4 Pro 0424max76.5%–2026-04-24
21Gemini 3.5 Flashhigh76.3%62.52026-05-19
22GLM 5.1thinking76.3%–2026-04-07
23Kimi K2.6thinking76.0%59.32026-04-20
24Muse Spark75.9%64.22026-04-08
25GPT-5.4 Nanoxhigh75.9%53.92026-03-17
26GPT-5.5xhigh75.8%64.12026-04-23
27MiniMax M2.775.7%56.62026-03-18
28Qwen3.5-122B-A10Bthinking75.7%53.92026-02-24
29Gemma 4 31Bthinking75.6%46.62026-04-02
30Qwen3.5-27Bthinking75.6%–2026-02-24
31GPT-5.2xhigh75.4%59.92025-12-11
32GPT-5 minihigh75.4%54.62025-08-07
33GPT-5.3-Codexxhigh75.4%62.92026-02-05
34Qwen3.6 Plus75.2%59.02026-04-02
35Gemini 3.5 Flashmedium74.6%61.82026-05-19
36GPT-5-Codexhigh74.2%58.62025-09-23
37GPT-5.4xhigh74.0%63.12026-03-05
38Command A+74.0%45.92026-05-20
39Gemma 4 12Bthinking73.5%–2026-06-03
40DeepSeek V4 Flash 0420high73.5%–2026-04-24
41GLM 5.2max73.3%58.92026-06-16
42GPT-5.4 Minixhigh73.3%55.12026-03-17
43GLM 5 Turbo73.2%–2026-03-15
44GPT-5high73.1%58.22025-08-07
45GPT-5.1high72.9%57.52025-11-13
46GPT-5.6 Solmax72.7%65.32026-07-09
47Qwen3.5-35B-A3Bthinking72.5%–2026-02-24
48Gemma 4 26B A4Bthinking72.5%50.92026-04-02
49GLM-5thinking72.3%60.22026-02-11
50MiniMax-M272.3%51.52025-10-26
51MiMo-V2-Flash71.8%–2025-12-16
52GPT-5.5high71.6%63.52026-04-23
53MiniMax M2.571.6%53.72026-02-12
54GPT-5.5 Instant71.5%56.92026-05-05
55Nemotron 3 Super 120B A12Bthinking71.5%51.12026-03-11
56o371.4%60.42025-04-16
57DeepSeek V4 Pro 0424high71.3%–2026-04-24
58GPT-5.6 Terramax71.2%59.52026-07-09
59Solar Pro 371.2%40.92026-04-06
60GPT-5 minimedium71.2%53.62025-08-07

指示追従のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「IFBenchのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_ifbench

IFBench:よくある質問

IFBenchは何を測るベンチマークですか?
IFBenchは、変わった書式や数え方のルールなど、モデルが初めて目にする制約を通常の文章作成タスクに課し、指示に正確に従えるかを試します。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
IFBenchの最高スコアは?
2026年11月16日時点で、IFBenchの最高スコアは83.3%で、Grok 4.3が記録しています(結果の日付は2026年4月30日)。次点はMiniMax M3の82.9%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
IFBenchでトップのAIモデルは?
2026年11月16日時点で、IFBenchの首位はGrok 4.3で、スコアは83.3%です(結果の日付は2026年4月30日)。続いてMiniMax M3(82.9%)です。
IFBenchの結果があるモデルはいくつですか?
BenchLeaderでは428のモデル構成にIFBenchの結果があり、すべてArtificial Analysisから取得しています。
IFBenchを運営しているのは誰で、どのくらいの頻度で更新されますか?
IFBenchはArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
IFBenchはBenchLeader Indexに含まれますか?
はい。IFBenchはBenchLeader Indexの指示追従カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。