IFEval
AIベンチマーク結果とモデルの性能
種類: percentage
記録された結果
93
平均スコア
81.09%
スコアの範囲
44% - 95%
最上位モデル
95% - Qwen 3.5 27B
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Qwen 3.5 27B | 2026年2月24日 | 95% | - | はい | 出典 | |
| Qwen 3.5 Flash | 2026年2月23日 | 95% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | はい | 出典 | |
| Qwen 3.6 Plus | 2026年4月01日 | 94.30% | - | はい | 出典 | |
| o3 mini | 2025年1月30日 | 93.90% | - | はい | 出典 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 93.40% | - | はい | 出典 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 92.60% | - | はい | 出典 | |
| Llama 2 70B Chat | 2023年6月20日 | 92.10% | inferred family alias from llama-3.3-70b-instruct (score=0.3129; benches=9) | はい | 出典 | |
| Qwen 3.5 35B A3B | 2026年2月24日 | 91.90% | - | はい | 出典 | |
| Qwen 3.5 9B | 2026年3月02日 | 91.50% | - | はい | 出典 | |
| Nemotron Nano 12B V2 | - | 90.30% | inferred high-confidence family alias from nvidia-nemotron-nano-9b-v2 (score=0.4889; benches=6) | はい | 出典 | |
| Nemotron Nano 9B V2 | - | 90.30% | - | はい | 出典 | |
| Kimi K2 (2025-09-05) | 2025年9月05日 | 89.80% | Prompt Strict | はい | 出典 | |
| Qwen 3.5 4B | 2026年3月02日 | 89.80% | - | はい | 出典 | |
| Granite 4.1 30B | 2026年4月29日 | 89.65% | Avg | はい | 出典 | |
| LongCat Flash Chat | - | 89.65% | inferred high-confidence family alias from longcat-flash-chat (score=0.4667; benches=16) | はい | 出典 | |
| Llama 3.1 Nemotron Ultra 253B v1 | 2025年4月07日 | 89.45% | - | はい | 出典 | |
| Qwen 3 Next 80B A3B Thinking | - | 88.90% | - | はい | 出典 | |
| Qwen 3 A235 A22B Instruct 2507 | - | 88.70% | - | はい | 出典 | |
| GPT 4.5 Preview | 2025年2月27日 | 88.20% | - | はい | 出典 | |
| Qwen 3 VL 235B A22B Thinking | - | 88.20% | - | はい | - | |
| Qwen 3 235B A22B Thinking 2507 | - | 87.80% | - | はい | 出典 | |
| Qwen 3 VL 235B A22B Instruct | - | 87.80% | - | はい | - | |
| Qwen 3 VL 32B Thinking | - | 87.80% | - | はい | - | |
| Qwen 3 Next 80B A3B Instruct | - | 87.60% | - | はい | 出典 | |
| Kimi K1.5 | 2025年1月20日 | 87.20% | - | はい | 出典 |
