IFEval
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
93
औसत स्कोर
81.09%
स्कोर सीमा
44% - 95%
अग्रणी मॉडल
95% - Qwen 3.5 27B
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Qwen 3.5 27B | 24 फ़र॰ 2026 | 95% | - | हाँ | स्रोत | |
| Qwen 3.5 Flash | 23 फ़र॰ 2026 | 95% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | हाँ | स्रोत | |
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 94.30% | - | हाँ | स्रोत | |
| o3 mini | 30 जन॰ 2025 | 93.90% | - | हाँ | स्रोत | |
| Qwen 3.5 122B A10B | 24 फ़र॰ 2026 | 93.40% | - | हाँ | स्रोत | |
| Qwen 3.5 397B A17B | 16 फ़र॰ 2026 | 92.60% | - | हाँ | स्रोत | |
| Llama 2 70B Chat | 20 जून 2023 | 92.10% | inferred family alias from llama-3.3-70b-instruct (score=0.3129; benches=9) | हाँ | स्रोत | |
| Qwen 3.5 35B A3B | 24 फ़र॰ 2026 | 91.90% | - | हाँ | स्रोत | |
| Qwen 3.5 9B | 02 मार्च 2026 | 91.50% | - | हाँ | स्रोत | |
| Nemotron Nano 12B V2 | - | 90.30% | inferred high-confidence family alias from nvidia-nemotron-nano-9b-v2 (score=0.4889; benches=6) | हाँ | स्रोत | |
| Nemotron Nano 9B V2 | - | 90.30% | - | हाँ | स्रोत | |
| Kimi K2 (2025-09-05) | 05 सित॰ 2025 | 89.80% | Prompt Strict | हाँ | स्रोत | |
| Qwen 3.5 4B | 02 मार्च 2026 | 89.80% | - | हाँ | स्रोत | |
| Granite 4.1 30B | 29 अप्रैल 2026 | 89.65% | Avg | हाँ | स्रोत | |
| LongCat Flash Chat | - | 89.65% | inferred high-confidence family alias from longcat-flash-chat (score=0.4667; benches=16) | हाँ | स्रोत | |
| Llama 3.1 Nemotron Ultra 253B v1 | 07 अप्रैल 2025 | 89.45% | - | हाँ | स्रोत | |
| Qwen 3 Next 80B A3B Thinking | - | 88.90% | - | हाँ | स्रोत | |
| Qwen 3 A235 A22B Instruct 2507 | - | 88.70% | - | हाँ | स्रोत | |
| GPT 4.5 Preview | 27 फ़र॰ 2025 | 88.20% | - | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Thinking | - | 88.20% | - | हाँ | - | |
| Qwen 3 235B A22B Thinking 2507 | - | 87.80% | - | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Instruct | - | 87.80% | - | हाँ | - | |
| Qwen 3 VL 32B Thinking | - | 87.80% | - | हाँ | - | |
| Qwen 3 Next 80B A3B Instruct | - | 87.60% | - | हाँ | स्रोत | |
| Kimi K1.5 | 20 जन॰ 2025 | 87.20% | - | हाँ | स्रोत |
