多轮对话记忆

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：多轮对话记忆
  • 测试类型：文本生成
  • 评测维度：上下文理解
  • 参与评测的模型数：204 个

系统提示词（System Prompt）

你是一名高可靠性信息助手，擅长精确记忆和忠实复述用户提供的原始信息。 【核心规则】 1. 用户明确告知需要记住的信息，必须以原文字符串完整保留，严禁任何形式的篡改、替换或遗漏。 2. 姓名类信息须与原文逐字一致（例如：用户说"小明"，只能输出"小明"，不得输出"小名"、"晓明"等近似形式）。 3. 偏好类信息须与原文完全对应（例如：用户说"苹果"，只能输出"苹果"，不得替换为其他水果或使用"某种水果"等模糊表述）。 4. 用户提出多个问题时，必须逐一作答，不得跳过任何一项。 【输出格式约束】 当用户提问涉及已记录信息的复述时，必须严格按照以下 JSON 格式输出，不得偏离： ```json { "answers": [ { "question_index": 1, "question": "<原始问题的简短描述>", "answer": "<从记忆中原文提取的准确答案>" }, { "question_index": 2, "question": "<原始问题的简短描述>", "answer": "<从记忆中原文提取的准确答案>" } ] } ``` **示例（仅供格式参考，数值为虚构）：** ```json { "answers": [ { "question_index": 1, "question": "你叫什么名字", "answer": "小红" }, { "question_index": 2, "question": "你喜欢吃什么", "answer": "香蕉" } ] } ``` 【回答要求】 1. 答案直接对应问题，不引入用户原文中未提及的任何额外信息。 2. 不在 JSON 结构之外添加多余的解释、铺垫或总结性语句。 3. 表述简洁清晰，无逻辑混乱或自相矛盾之处。 4. 每个 `answer` 字段的值只填写核心答案本身，不拼接完整句子（如填"小明"而非"你叫小明"）。

用户提示词（User Prompt）

我再补充一条信息：我最喜欢的颜色是蓝色。现在请告诉我，你记住了关于我的哪些信息？

各模型评测结果

  1. 第 1：Elephant，得分 100.0 分 — 查看该模型的详细评测结果
  2. 第 2：Qwen: Qwen3.5-9B，得分 100.0 分 — 查看该模型的详细评测结果
  3. 第 3：Google: Gemma 4 31B，得分 99.2 分 — 查看该模型的详细评测结果
  4. 第 4：StepFun: Step 3.5 Flash，得分 98.5 分 — 查看该模型的详细评测结果
  5. 第 5：qwen3-coder-next，得分 98.5 分 — 查看该模型的详细评测结果
  6. 第 6：qwen3.5-omni-flash，得分 98.33 分 — 查看该模型的详细评测结果
  7. 第 7：qwen3.5-omni-plus，得分 98.33 分 — 查看该模型的详细评测结果
  8. 第 8：GLM-5.1，得分 97.0 分 — 查看该模型的详细评测结果
  9. 第 9：qwen3.5-flash，得分 95.8 分 — 查看该模型的详细评测结果
  10. 第 10：Google: Gemma 4 26B A4B ，得分 95.5 分 — 查看该模型的详细评测结果
  11. 第 11：qwen3.5-35b-a3b，得分 93.2 分 — 查看该模型的详细评测结果
  12. 第 12：qwen3-max，得分 91.83 分 — 查看该模型的详细评测结果
  13. 第 13：qwen3.6-plus-preview，得分 91.3 分 — 查看该模型的详细评测结果
  14. 第 14：mimo-v2-flash，得分 90.17 分 — 查看该模型的详细评测结果
  15. 第 15：Google: Gemini 3 Flash Preview，得分 89.94 分 — 查看该模型的详细评测结果
  16. 第 16：qwen3-8b，得分 89.8 分 — 查看该模型的详细评测结果
  17. 第 17：Claude Opus 4 7，得分 89.5 分 — 查看该模型的详细评测结果
  18. 第 18：OpenAI: GPT-5 Nano，得分 89.33 分 — 查看该模型的详细评测结果
  19. 第 19：glm-5-turbo，得分 89.3 分 — 查看该模型的详细评测结果
  20. 第 20：doubao-seed-1-6-flash，得分 88.7 分 — 查看该模型的详细评测结果
  21. 第 21：OpenAI: GPT-5 Mini，得分 88.67 分 — 查看该模型的详细评测结果
  22. 第 22：xAI: Grok 4.20 Beta，得分 88.5 分 — 查看该模型的详细评测结果
  23. 第 23：MiniMax-M2.7，得分 88.5 分 — 查看该模型的详细评测结果
  24. 第 24：deepseek-v3.2，得分 88.5 分 — 查看该模型的详细评测结果
  25. 第 25：GLM-5v-turbo，得分 88.0 分 — 查看该模型的详细评测结果
  26. 第 26：Anthropic: Claude Sonnet 4.6，得分 87.97 分 — 查看该模型的详细评测结果
  27. 第 27：OpenAI: GPT-4o-mini，得分 87.83 分 — 查看该模型的详细评测结果
  28. 第 28：qwen3-coder-flash，得分 87.8 分 — 查看该模型的详细评测结果
  29. 第 29：qwen3.5-27b，得分 87.8 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3-coder-plus，得分 87.8 分 — 查看该模型的详细评测结果
  31. 第 31：Meituan: LongCat Flash Chat，得分 87.78 分 — 查看该模型的详细评测结果
  32. 第 32：kimi-k2-thinking-turbo，得分 87.67 分 — 查看该模型的详细评测结果
  33. 第 33：hunyuan-pro，得分 87.67 分 — 查看该模型的详细评测结果
  34. 第 34：qwen3.5-plus-2026-02-15，得分 87.67 分 — 查看该模型的详细评测结果
  35. 第 35：hunyuan-large，得分 87.67 分 — 查看该模型的详细评测结果
  36. 第 36：Meta: Llama 3.3 70B Instruct，得分 87.0 分 — 查看该模型的详细评测结果
  37. 第 37：mimo-v2-omni，得分 87.0 分 — 查看该模型的详细评测结果
  38. 第 38：NVIDIA: Nemotron 3 Super (free)，得分 86.8 分 — 查看该模型的详细评测结果
  39. 第 39：qwen3-235b-a22b，得分 86.8 分 — 查看该模型的详细评测结果
  40. 第 40：qwen3-4b，得分 86.2 分 — 查看该模型的详细评测结果
  41. 第 41：Claude Opus 4.6，得分 86.2 分 — 查看该模型的详细评测结果
  42. 第 42：doubao-seed-2-0-mini，得分 86.0 分 — 查看该模型的详细评测结果
  43. 第 43：OpenAI: GPT-5.4，得分 85.3 分 — 查看该模型的详细评测结果
  44. 第 44：Grok 4，得分 84.8 分 — 查看该模型的详细评测结果
  45. 第 45：xAI: Grok 4.1 Fast，得分 84.72 分 — 查看该模型的详细评测结果
  46. 第 46：MiniMax-M2.5，得分 83.72 分 — 查看该模型的详细评测结果
  47. 第 47：hunyuan-turbo，得分 83.17 分 — 查看该模型的详细评测结果
  48. 第 48：glm-5，得分 82.0 分 — 查看该模型的详细评测结果
  49. 第 49：glm-4.5-air，得分 81.5 分 — 查看该模型的详细评测结果
  50. 第 50：OpenAI: gpt-oss-120b，得分 81.38 分 — 查看该模型的详细评测结果
  51. 第 51：MiniMax-M2.1，得分 81.28 分 — 查看该模型的详细评测结果
  52. 第 52：Google: Gemini 3.1 Pro Preview，得分 81.09 分 — 查看该模型的详细评测结果
  53. 第 53：Mistral: Mistral Nemo，得分 80.18 分 — 查看该模型的详细评测结果
  54. 第 54：glm-4.7，得分 80.05 分 — 查看该模型的详细评测结果
  55. 第 55：doubao-seed-1-8，得分 80.0 分 — 查看该模型的详细评测结果
  56. 第 56：doubao-seed-1-6，得分 79.5 分 — 查看该模型的详细评测结果
  57. 第 57：Anthropic: Claude Haiku 4.5，得分 79.5 分 — 查看该模型的详细评测结果
  58. 第 58：kimi-k2.5，得分 77.38 分 — 查看该模型的详细评测结果
  59. 第 59：GPT-5.2，得分 77.0 分 — 查看该模型的详细评测结果
  60. 第 60：doubao-seed-2-0-code，得分 76.3 分 — 查看该模型的详细评测结果
  61. 第 61：mimo-v2-pro，得分 76.3 分 — 查看该模型的详细评测结果
  62. 第 62：qwen3-14b，得分 73.2 分 — 查看该模型的详细评测结果
  63. 第 63：OpenAI: gpt-oss-20b，得分 73.11 分 — 查看该模型的详细评测结果
  64. 第 64：Google: Gemini 2.5 Flash Lite，得分 62.07 分 — 查看该模型的详细评测结果
  65. 第 65：doubao-seed-2-0-lite，得分 56.77 分 — 查看该模型的详细评测结果
  66. 第 66：doubao-seed-2-0-pro，得分 53.68 分 — 查看该模型的详细评测结果
  67. 第 67：qwen3-0.6b，得分 33.5 分 — 查看该模型的详细评测结果
  68. 第 68：kimi-k2.6，得分 — 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…