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。
- 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。
- 1Grok 4.3 (medium)83.3%
- 2MiniMax M382.9%
- 3Nemotron 3 Ultra 550B A55B (thinking)81.4%
- 4Grok 4.3 (high)81.3%
- 5Grok 4.20 (thinking)81.2%
- 6Grok 4.3 (low)81.0%
- 7Qwen3.7 (max)80.5%
- 8Nemotron Cascade 2 30B A3B80.4%
- 9MiMo-V2.5-Pro (thinking)79.9%
- 10Nova 2.0 Pro Preview (low)79.6%
- 11DeepSeek V4 Flash 0420 (max)79.2%
- 12Nova 2.0 Pro Preview (medium)79.0%
- 13Qwen3.5 397B A17B (thinking)78.8%
- 14Gemini 3 Flash (thinking)78.0%
- 15Qwen3.7 Plus78.0%
428件中428件
| # | ||||
|---|---|---|---|---|
| 1 | 83.3% | – | 2026-04-30 | |
| 2 | 82.9% | 56.1 | 2026-06-01 | |
| 3 | 81.4% | 49.1 | 2026-06-04 | |
| 4 | 81.3% | 56.5 | 2026-04-30 | |
| 5 | 81.2% | 58.3 | 2026-04-07 | |
| 6 | 81.0% | – | 2026-04-30 | |
| 7 | 80.5% | 60.0 | 2026-05-19 | |
| 8 | 80.4% | – | 2026-03-19 | |
| 9 | 79.9% | – | 2026-04-22 | |
| 10 | 79.6% | 51.9 | 2025-11-27 | |
| 11 | 79.2% | – | 2026-04-24 | |
| 12 | 79.0% | 53.4 | 2025-11-27 | |
| 13 | 78.8% | 56.4 | 2026-02-16 | |
| 14 | 78.0% | 58.9 | 2025-12-17 | |
| 15 | 78.0% | 57.6 | 2026-06-01 | |
| 16 | 77.6% | – | 2025-12-11 | |
| 17 | 77.2% | 52.6 | 2026-03-03 | |
| 18 | 77.1% | 59.9 | 2026-02-19 | |
| 19 | 76.6% | 62.1 | 2026-04-20 | |
| 20 | 76.5% | – | 2026-04-24 | |
| 21 | 76.3% | 62.5 | 2026-05-19 | |
| 22 | 76.3% | – | 2026-04-07 | |
| 23 | 76.0% | 59.3 | 2026-04-20 | |
| 24 | 75.9% | 64.2 | 2026-04-08 | |
| 25 | 75.9% | 53.9 | 2026-03-17 | |
| 26 | 75.8% | 64.1 | 2026-04-23 | |
| 27 | 75.7% | 56.6 | 2026-03-18 | |
| 28 | 75.7% | 53.9 | 2026-02-24 | |
| 29 | 75.6% | 46.6 | 2026-04-02 | |
| 30 | 75.6% | – | 2026-02-24 | |
| 31 | 75.4% | 59.9 | 2025-12-11 | |
| 32 | 75.4% | 54.6 | 2025-08-07 | |
| 33 | 75.4% | 62.9 | 2026-02-05 | |
| 34 | 75.2% | 59.0 | 2026-04-02 | |
| 35 | 74.6% | 61.8 | 2026-05-19 | |
| 36 | 74.2% | 58.6 | 2025-09-23 | |
| 37 | 74.0% | 63.1 | 2026-03-05 | |
| 38 | 74.0% | 45.9 | 2026-05-20 | |
| 39 | 73.5% | – | 2026-06-03 | |
| 40 | 73.5% | – | 2026-04-24 | |
| 41 | 73.3% | 58.9 | 2026-06-16 | |
| 42 | 73.3% | 55.1 | 2026-03-17 | |
| 43 | 73.2% | – | 2026-03-15 | |
| 44 | 73.1% | 58.2 | 2025-08-07 | |
| 45 | 72.9% | 57.5 | 2025-11-13 | |
| 46 | 72.7% | 65.3 | 2026-07-09 | |
| 47 | 72.5% | – | 2026-02-24 | |
| 48 | 72.5% | 50.9 | 2026-04-02 | |
| 49 | 72.3% | 60.2 | 2026-02-11 | |
| 50 | 72.3% | 51.5 | 2025-10-26 | |
| 51 | 71.8% | – | 2025-12-16 | |
| 52 | 71.6% | 63.5 | 2026-04-23 | |
| 53 | 71.6% | 53.7 | 2026-02-12 | |
| 54 | 71.5% | 56.9 | 2026-05-05 | |
| 55 | 71.5% | 51.1 | 2026-03-11 | |
| 56 | 71.4% | 60.4 | 2025-04-16 | |
| 57 | 71.3% | – | 2026-04-24 | |
| 58 | 71.2% | 59.5 | 2026-07-09 | |
| 59 | 71.2% | 40.9 | 2026-04-06 | |
| 60 | 71.2% | 53.6 | 2025-08-07 |
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
関連するベンチマーク
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。