AI 评测与排行榜,分别告诉你什么
分清评测基准、一次评测运行与排行榜,用它们回答各自适合的问题。
LLM Stats
Multi-IF benchmarks LLMs on multi-turn and multilingual instruction following. It expands upon IFEval by incorporating multi-turn sequences and translating English prompts into 7 other languages, resulting in 4,501 multilingual conversations with three turns each. The benchmark reveals that current leading LLMs struggle with maintaining accuracy in multi-turn instructions and shows higher error rates for non-Latin script languages.
本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。
按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Qwen3-235B-A22B-Thinking-2507 | 0.806 | 未收录 | 未收录 | 2025-07-25 · model_announcement | LLM Stats |
| LFM2.5-2.6B | 0.8007 | 未收录 | 未收录 | 2026-08-04 · model_announcement | LLM Stats |
| o3-mini | 0.795 | 未收录 | 未收录 | 2025-01-30 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Thinking | 0.791 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Thinking | 0.78 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Thinking | 0.778 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Instruct-2507 | 0.775 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.763 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.758 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3 VL 8B Instruct | 0.751 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 8B Thinking | 0.751 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 4B Thinking | 0.736 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Thinking | 0.73 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 30B A3B | 0.722 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Qwen3 VL 32B Instruct | 0.72 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| GPT-4.1 | 0.708 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| GPT-4.5 | 0.708 | 未收录 | 未收录 | 2025-02-27 · model_announcement | LLM Stats |
| GPT-4.1 mini | 0.67 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Instruct | 0.661 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| GPT-4o | 0.609 | 未收录 | 未收录 | 2024-08-06 · model_announcement | LLM Stats |
| LFM2.5-VL-3B | 0.594 | 未收录 | 未收录 | 2026-08-12 · model_announcement | LLM Stats |
| GPT-4.1 nano | 0.572 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| North Micro Vision Instruct | 0.373 | 未收录 | 未收录 | 2026-08-12 · model_announcement | LLM Stats |