列表生成
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：列表生成
- 测试类型：文本生成
- 评测维度：指令遵循
- 参与评测的模型数：203 个
系统提示词（System Prompt）
你是一名知识问答助手，擅长提供准确、简洁的事实性列表信息。 回答要求： 1. 严格按照题目要求的数量输出，不多不少。 2. 每项内容单独占一行，使用编号列表格式（如：1. 苹果）。 3. 所列内容须为公认的、符合常识的真实事物，不得捏造或混淆类别。 4. 禁止在列表前后添加冗长的开场白、解释说明或总结陈词，直接输出列表即可。
用户提示词（User Prompt）
请列举 5 种常见水果，要求如下： - 数量恰好为 5 种，不多不少； - 每种水果单独占一行，使用编号列表格式（1. 2. 3. ...）； - 所列水果须为现实中真实存在、广为人知的水果品类（如苹果、香蕉等），不得重复； - 直接输出列表，无需任何前言或总结。
各模型评测结果
- 第 1：doubao-seed-1-6-flash，得分 100.0 分 — 查看该模型的详细评测结果
- 第 2：Anthropic: Claude Haiku 4.5，得分 100.0 分 — 查看该模型的详细评测结果
- 第 3：Google: Gemma 4 26B A4B ，得分 100.0 分 — 查看该模型的详细评测结果
- 第 4：Google: Gemini 3 Flash Preview，得分 100.0 分 — 查看该模型的详细评测结果
- 第 5：Google: Gemma 4 31B，得分 100.0 分 — 查看该模型的详细评测结果
- 第 6：doubao-seed-2-0-mini，得分 100.0 分 — 查看该模型的详细评测结果
- 第 7：qwen3.6-plus-preview，得分 100.0 分 — 查看该模型的详细评测结果
- 第 8：qwen3.5-omni-plus，得分 100.0 分 — 查看该模型的详细评测结果
- 第 9：qwen3.5-omni-flash，得分 100.0 分 — 查看该模型的详细评测结果
- 第 10：glm-5-turbo，得分 100.0 分 — 查看该模型的详细评测结果
- 第 11：mimo-v2-flash，得分 100.0 分 — 查看该模型的详细评测结果
- 第 12：qwen3.5-plus-2026-02-15，得分 100.0 分 — 查看该模型的详细评测结果
- 第 13：hunyuan-turbo，得分 100.0 分 — 查看该模型的详细评测结果
- 第 14：kimi-k2.6，得分 100.0 分 — 查看该模型的详细评测结果
- 第 15：glm-5，得分 100.0 分 — 查看该模型的详细评测结果
- 第 16：Anthropic: Claude Sonnet 4.6，得分 100.0 分 — 查看该模型的详细评测结果
- 第 17：mimo-v2-pro，得分 100.0 分 — 查看该模型的详细评测结果
- 第 18：mimo-v2-omni，得分 100.0 分 — 查看该模型的详细评测结果
- 第 19：hunyuan-pro，得分 100.0 分 — 查看该模型的详细评测结果
- 第 20：GLM-5v-turbo，得分 100.0 分 — 查看该模型的详细评测结果
- 第 21：Claude Opus 4 7，得分 100.0 分 — 查看该模型的详细评测结果
- 第 22：OpenAI: GPT-5 Mini，得分 100.0 分 — 查看该模型的详细评测结果
- 第 23：OpenAI: GPT-5 Nano，得分 100.0 分 — 查看该模型的详细评测结果
- 第 24：Elephant，得分 100.0 分 — 查看该模型的详细评测结果
- 第 25：Meta: Llama 3.3 70B Instruct，得分 100.0 分 — 查看该模型的详细评测结果
- 第 26：Qwen: Qwen3.5-9B，得分 100.0 分 — 查看该模型的详细评测结果
- 第 27：kimi-k2-thinking-turbo，得分 100.0 分 — 查看该模型的详细评测结果
- 第 28：StepFun: Step 3.5 Flash，得分 100.0 分 — 查看该模型的详细评测结果
- 第 29：qwen3.5-27b，得分 100.0 分 — 查看该模型的详细评测结果
- 第 30：MiniMax-M2.1，得分 100.0 分 — 查看该模型的详细评测结果
- 第 31：qwen3.5-35b-a3b，得分 100.0 分 — 查看该模型的详细评测结果
- 第 32：MiniMax-M2.5，得分 100.0 分 — 查看该模型的详细评测结果
- 第 33：deepseek-v3.2，得分 100.0 分 — 查看该模型的详细评测结果
- 第 34：Mistral: Mistral Nemo，得分 100.0 分 — 查看该模型的详细评测结果
- 第 35：kimi-k2.5，得分 100.0 分 — 查看该模型的详细评测结果
- 第 36：qwen3-coder-flash，得分 100.0 分 — 查看该模型的详细评测结果
- 第 37：glm-4.7，得分 100.0 分 — 查看该模型的详细评测结果
- 第 38：Google: Gemini 3.1 Pro Preview，得分 100.0 分 — 查看该模型的详细评测结果
- 第 39：xAI: Grok 4.20 Beta，得分 100.0 分 — 查看该模型的详细评测结果
- 第 40：qwen3-coder-plus，得分 100.0 分 — 查看该模型的详细评测结果
- 第 41：GPT-5.2，得分 100.0 分 — 查看该模型的详细评测结果
- 第 42：qwen3.5-flash，得分 100.0 分 — 查看该模型的详细评测结果
- 第 43：doubao-seed-2-0-code，得分 100.0 分 — 查看该模型的详细评测结果
- 第 44：Claude Opus 4.6，得分 100.0 分 — 查看该模型的详细评测结果
- 第 45：OpenAI: GPT-5.4，得分 100.0 分 — 查看该模型的详细评测结果
- 第 46：doubao-seed-1-6，得分 100.0 分 — 查看该模型的详细评测结果
- 第 47：doubao-seed-1-8，得分 99.5 分 — 查看该模型的详细评测结果
- 第 48：hunyuan-large，得分 99.25 分 — 查看该模型的详细评测结果
- 第 49：GLM-5.1，得分 99.0 分 — 查看该模型的详细评测结果
- 第 50：NVIDIA: Nemotron 3 Super (free)，得分 98.8 分 — 查看该模型的详细评测结果
- 第 51：qwen3-8b，得分 98.8 分 — 查看该模型的详细评测结果
- 第 52：qwen3-coder-next，得分 98.8 分 — 查看该模型的详细评测结果
- 第 53：qwen3-0.6b，得分 98.8 分 — 查看该模型的详细评测结果
- 第 54：qwen3-4b，得分 98.8 分 — 查看该模型的详细评测结果
- 第 55：qwen3-235b-a22b，得分 98.8 分 — 查看该模型的详细评测结果
- 第 56：qwen3-14b，得分 98.8 分 — 查看该模型的详细评测结果
- 第 57：qwen3-max，得分 98.75 分 — 查看该模型的详细评测结果
- 第 58：OpenAI: gpt-oss-20b，得分 98.75 分 — 查看该模型的详细评测结果
- 第 59：OpenAI: gpt-oss-120b，得分 98.75 分 — 查看该模型的详细评测结果
- 第 60：xAI: Grok 4.1 Fast，得分 98.75 分 — 查看该模型的详细评测结果
- 第 61：Meituan: LongCat Flash Chat，得分 98.25 分 — 查看该模型的详细评测结果
- 第 62：Grok 4，得分 98.0 分 — 查看该模型的详细评测结果
- 第 63：OpenAI: GPT-4o-mini，得分 97.5 分 — 查看该模型的详细评测结果
- 第 64：glm-4.5-air，得分 97.5 分 — 查看该模型的详细评测结果
- 第 65：MiniMax-M2.7，得分 97.0 分 — 查看该模型的详细评测结果
- 第 66：Google: Gemini 2.5 Flash Lite，得分 83.0 分 — 查看该模型的详细评测结果
- 第 67：doubao-seed-2-0-lite，得分 74.75 分 — 查看该模型的详细评测结果
- 第 68：doubao-seed-2-0-pro，得分 74.75 分 — 查看该模型的详细评测结果
