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。
- 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。
- 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 / 428
| # | ||||
|---|---|---|---|---|
| 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 |
相关基准测试
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。