BenchLeader

IFBench 排行榜

截至 2026年11月16日,IFBench 的最高分为 83.3%,由 Grok 4.3(SpaceXAI)取得,领先于 MiniMax M3(82.9%)。共有 428 个模型配置公布了结果(Artificial Analysis,结果日期 2026年4月30日)。IFBench 用模型从未见过的约束(例如不寻常的格式或计数规则)测试精确的指令遵循,这些约束附加在普通的写作任务上。IFBench 计入 BenchLeader Index 的指令遵循得分。

要点(截至 2026年11月16日)

  • Grok 4.3 以 83.3% 保持 IFBench 最高分(Artificial Analysis,2026年4月30日)。
  • MiniMax M3 以 82.9% 位列 IFBench 第二(Artificial Analysis,2026年6月1日)。
  • IFBench:针对陌生约束的精确指令遵循。由 Artificial Analysis 运行(Artificial Analysis)。
  • BenchLeader 上有 428 个模型配置公布了 IFBench 结果(BenchLeader,2026年11月16日)。
  • IFBench 计入 BenchLeader Index 的指令遵循类别(BenchLeader 方法论)。

针对陌生约束的精确指令遵循。由 Artificial Analysis 运行。

发布方
Artificial Analysis
类别
指令遵循
Index 权重
1.0
模型
428
数据截至
2026年11月16日

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

测试内容

IFBench 用模型从未见过的约束(例如不寻常的格式或计数规则)测试精确的指令遵循,这些约束附加在普通的写作任务上。

评分方式

满足指令的百分比,由程序核验;由 Artificial Analysis 运行。

注意事项

它衡量的是对明确规则的遵守,这正是模型在流水线中可靠的前提,但并不衡量对用户意图的判断。

428 / 428
#
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

更多指令遵循基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《IFBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_ifbench。

IFBench:常见问题

IFBench 衡量的是什么?
IFBench 用模型从未见过的约束(例如不寻常的格式或计数规则)测试精确的指令遵循,这些约束附加在普通的写作任务上。分数以完成任务的百分比表示,越高越好。
IFBench 的最高分是多少?
截至 2026年11月16日,IFBench 的最高分为 83.3%,由 Grok 4.3 取得(结果日期 2026年4月30日),领先于 MiniMax M3(82.9%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 IFBench 上领先?
截至 2026年11月16日,IFBench 排名第一的是 Grok 4.3,分数为 83.3%(结果日期 2026年4月30日)。其后为 MiniMax M3(82.9%)。
有多少模型有 IFBench 结果?
BenchLeader 上有 428 个模型配置有 IFBench 结果,全部取自 Artificial Analysis。
IFBench 由谁运行,多久更新一次?
IFBench 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
IFBench 是否计入 BenchLeader Index?
计入。IFBench 计入 BenchLeader Index 的指令遵循类别,并经过归一化,使参评模型的平均值为 50。