IFBench
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageGeneral
Resultados registrados
28
Puntuación media
66.25%
Rango de puntuaciones
21% - 81.20%
Modelo líder
81.20% - Grok 4.20
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Grok 4.20 | 17 feb 2026 | 81,20 % | Artificial Analysis structured model metrics | No | Fuente | |
| Grok 4.3 | 30 abr 2026 | 81 % | - | No | Fuente | |
| Beam | 05 oct 2026 | 79,70 % | Reflection-reported launch score. Source row: IFBench. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | Sí | Fuente | |
| Qwen 3.8 27B | 14 ago 2026 | 79,50 % | - | Sí | Fuente | |
| Qwen 3.7 Max | 21 may 2026 | 79,10 % | - | Sí | Fuente | |
| Muse Glimmer 30B | 10 ago 2026 | 77 % | High reasoning | Sí | Fuente | |
| Qwen 3.5 27B | 24 feb 2026 | 76,50 % | - | Sí | Fuente | |
| Qwen 3.5 397B A17B | 16 feb 2026 | 76,50 % | - | Sí | Fuente | |
| Qwen 3.5 Flash | 23 feb 2026 | 76,50 % | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | Sí | Fuente | |
| Qwen 3.5 122B A10B | 24 feb 2026 | 76,10 % | - | Sí | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 74,20 % | - | Sí | Fuente | |
| GLM 5 Turbo | 15 mar 2026 | 73,20 % | Artificial Analysis structured model metrics | No | Fuente | |
| Nemotron 3 Super | 11 mar 2026 | 72,56 % | - | Sí | Fuente | |
| Nemotron 3.5 Lightning 30B A3B | 11 ago 2026 | 71,88 % | Loose; NVIDIA release evaluation suite | Sí | Fuente | |
| Solar Pro 3 (2026-03-23) | 23 mar 2026 | 71,20 % | Artificial Analysis structured model metrics | No | Fuente | |
| Mercury 2 | 24 feb 2026 | 71 % | - | Sí | Fuente | |
| Qwen 3.5 35B A3B | 24 feb 2026 | 70,20 % | - | Sí | Fuente | |
| MiniMax M2.1 | 23 dic 2025 | 70 % | Instruction following benchmark | Sí | Fuente | |
| K EXAONE | 31 dic 2025 | 67,30 % | inferred modality/version alias from k-exaone-236b-a23b | Sí | Fuente | |
| Qwen 3.5 9B | 02 mar 2026 | 64,50 % | - | Sí | Fuente | |
| Qwen 3.5 4B | 02 mar 2026 | 59,20 % | - | Sí | Fuente | |
| Trinity Large Thinking | 01 abr 2026 | 52,30 % | Hugging Face model card benchmark table (arcee-ai/Trinity-Large-Thinking) | Sí | Fuente | |
| Mistral Small 1.0 | 26 feb 2024 | 48 % | inferred family alias from mistral-small-latest (score=0.3650; benches=9) | Sí | Fuente | |
| Mistral Small 2.0 | 17 sept 2024 | 48 % | inferred family alias from mistral-small-latest (score=0.3650; benches=9) | Sí | Fuente | |
| Mistral Small 4 | 16 mar 2026 | 48 % | - | Sí | Fuente |
