最佳指令遵循AI模型

使用IFEval基准测试对AI模型的指令遵循准确性进行排名。

Last updated: 26m ago

第一名模型

GPT-5.4

评分: 93.5

平均评分

86.6

所有排名模型

已排名模型

有基准测试数据

权重：IFEval (100%)

Top Best for Instructions Models by Weighted Score

Top 15 models by weighted score

LMMarketCap.com

#	模型	提供商	评分	IFEval
1	GPT-5.4OpenAI	OpenAI	93.5	93.5
2	GPT-5.2OpenAI	OpenAI	93	93
3	Claude Opus 4.6Anthropic	Anthropic	92.8	92.8
4	GPT-5.1OpenAI	OpenAI	92.5	92.5
5	Llama 3.3 70B InstructMeta	Meta	92.1	92.1
6	GPT-5OpenAI	OpenAI	92	92
7	o3OpenAI	OpenAI	92	92
8	Claude Opus 4.5Anthropic	Anthropic	91.5	91.5
9	Gemini 3 Flash PreviewGoogle	Google	91	91
10	Claude Sonnet 4.6Anthropic	Anthropic	91	91
11	Claude Sonnet 4Anthropic	Anthropic	90.8	90.8
12	Claude Opus 4Anthropic	Anthropic	90.5	90.5
13	Claude Sonnet 4.5Anthropic	Anthropic	90.2	90.2
14	o3 MiniOpenAI	OpenAI	90.2	90.2
15	o4 MiniOpenAI	OpenAI	90	90
16	DeepSeek V3 0324DeepSeek	DeepSeek	89	89
17	GPT-4.1OpenAI	OpenAI	88.2	88.2
18	Llama 4 MaverickMeta	Meta	88	88
19	Gemini 2.5 ProGoogle	Google	87.2	87.2
20	DeepSeek V3DeepSeek	DeepSeek	87.1	87.1
21	Mistral LargeMistral AI	Mistral AI	86.5	86.5
22	o1OpenAI	OpenAI	86.5	86.5
23	R1 0528DeepSeek	DeepSeek	85.5	85.5
24	Gemini 2.5 FlashGoogle	Google	85.5	85.5
25	GPT-4oOpenAI	OpenAI	84.3	84.3
26	Claude Haiku 4.5Anthropic	Anthropic	84	84
27	Llama 3.1 70B InstructMeta	Meta	83.6	83.6
28	R1DeepSeek	DeepSeek	83.3	83.3
29	GPT-4o-miniOpenAI	OpenAI	80.4	80.4
30	Phi 4Microsoft	Microsoft	80.1	80.1
31	Command R7B (12-2024)Cohere	Cohere	77.1	77.1
32	Qwen2.5 7B InstructAlibaba	Alibaba	75.9	75.9
33	Llama 3.1 8B InstructMeta	Meta	72.1	72.1
34	Llama 3.2 3B InstructMeta	Meta	68.5	68.5

评分计算方式

每个模型的评分是其可用基准测试结果的加权平均值。当模型缺少某些基准测试时，权重会在可用的基准测试之间重新归一化。所有评分均为0-100的刻度。数据来源于官方模型卡片、已发表论文和第三方评估平台。

Frequently Asked Questions

根据我们的基准测试分析，OpenAI的GPT-5.4目前在Instructions领域排名第一，加权评分为93.5/100。

模型使用IFEval基准测试分数的加权平均进行排名。所有分数均归一化到0-100的刻度。

我们目前对34个拥有相关基准测试数据的模型进行了Instructions任务排名。