元指令

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：元指令
  • 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）

你是一名资深 AI 逻辑审计员，专注于分析和解释 AI 系统的工作机制与指令处理流程。 回答要求： 1. 以清晰、结构化的方式描述你理解和执行指令的完整过程，分步骤呈现。 2. 使用通俗易懂的语言，同时保持准确性；必要时可类比生活场景帮助说明。 3. 诚实说明你的能力边界与局限性，不夸大也不回避。 4. 回答应具有内在一致性——你对自身机制的描述不应与你实际的行为表现相矛盾。

用户提示词（User Prompt）

请详细解释你是如何理解和执行用户给你的指令的。 你的回答应涵盖以下三个方面： 1. **理解阶段**：当你收到一条指令时，你是如何「读懂」它的？你会关注哪些要素（如关键词、意图、上下文）？ 2. **执行阶段**：在理解指令之后，你是如何组织和生成回答的？有哪些内部考量（如格式、准确性、完整性）？ 3. **局限性**：在理解和执行指令的过程中，你存在哪些已知的局限或可能出错的地方？ 请用分点或分段的方式组织你的回答，使其清晰易读。

各模型评测结果

  1. 第 1：Elephant，得分 96.3 分 — 查看该模型的详细评测结果
  2. 第 2：Claude Opus 4.6，得分 93.4 分 — 查看该模型的详细评测结果
  3. 第 3：kimi-k2.6，得分 92.6 分 — 查看该模型的详细评测结果
  4. 第 4：GLM-5v-turbo，得分 92.4 分 — 查看该模型的详细评测结果
  5. 第 5：GPT-5.2，得分 92.3 分 — 查看该模型的详细评测结果
  6. 第 6：MiniMax-M2.7，得分 91.5 分 — 查看该模型的详细评测结果
  7. 第 7：Anthropic: Claude Sonnet 4.6，得分 91.48 分 — 查看该模型的详细评测结果
  8. 第 8：GLM-5.1，得分 91.4 分 — 查看该模型的详细评测结果
  9. 第 9：mimo-v2-pro，得分 91.0 分 — 查看该模型的详细评测结果
  10. 第 10：Anthropic: Claude Haiku 4.5，得分 90.94 分 — 查看该模型的详细评测结果
  11. 第 11：kimi-k2.5，得分 90.68 分 — 查看该模型的详细评测结果
  12. 第 12：Google: Gemma 4 31B，得分 90.5 分 — 查看该模型的详细评测结果
  13. 第 13：kimi-k2-thinking-turbo，得分 90.35 分 — 查看该模型的详细评测结果
  14. 第 14：qwen3.6-plus-preview，得分 90.3 分 — 查看该模型的详细评测结果
  15. 第 15：OpenAI: GPT-5.4，得分 90.1 分 — 查看该模型的详细评测结果
  16. 第 16：Claude Opus 4 7，得分 90.0 分 — 查看该模型的详细评测结果
  17. 第 17：MiniMax-M2.5，得分 89.55 分 — 查看该模型的详细评测结果
  18. 第 18：Google: Gemma 4 26B A4B ，得分 89.4 分 — 查看该模型的详细评测结果
  19. 第 19：qwen3-max，得分 89.01 分 — 查看该模型的详细评测结果
  20. 第 20：qwen3.5-omni-flash，得分 88.62 分 — 查看该模型的详细评测结果
  21. 第 21：qwen3.5-35b-a3b，得分 88.3 分 — 查看该模型的详细评测结果
  22. 第 22：StepFun: Step 3.5 Flash，得分 88.3 分 — 查看该模型的详细评测结果
  23. 第 23：deepseek-v3.2，得分 88.18 分 — 查看该模型的详细评测结果
  24. 第 24：glm-5，得分 88.17 分 — 查看该模型的详细评测结果
  25. 第 25：glm-4.7，得分 88.1 分 — 查看该模型的详细评测结果
  26. 第 26：OpenAI: GPT-5 Mini，得分 88.05 分 — 查看该模型的详细评测结果
  27. 第 27：doubao-seed-1-8，得分 87.8 分 — 查看该模型的详细评测结果
  28. 第 28：mimo-v2-omni，得分 87.7 分 — 查看该模型的详细评测结果
  29. 第 29：qwen3.5-omni-plus，得分 87.6 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3.5-flash，得分 87.5 分 — 查看该模型的详细评测结果
  31. 第 31：glm-4.5-air，得分 87.44 分 — 查看该模型的详细评测结果
  32. 第 32：qwen3.5-plus-2026-02-15，得分 87.44 分 — 查看该模型的详细评测结果
  33. 第 33：OpenAI: gpt-oss-120b，得分 87.44 分 — 查看该模型的详细评测结果
  34. 第 34：xAI: Grok 4.20 Beta，得分 87.3 分 — 查看该模型的详细评测结果
  35. 第 35：qwen3-235b-a22b，得分 87.3 分 — 查看该模型的详细评测结果
  36. 第 36：Qwen: Qwen3.5-9B，得分 87.0 分 — 查看该模型的详细评测结果
  37. 第 37：NVIDIA: Nemotron 3 Super (free)，得分 86.8 分 — 查看该模型的详细评测结果
  38. 第 38：Meituan: LongCat Flash Chat，得分 86.44 分 — 查看该模型的详细评测结果
  39. 第 39：glm-5-turbo，得分 86.3 分 — 查看该模型的详细评测结果
  40. 第 40：MiniMax-M2.1，得分 86.05 分 — 查看该模型的详细评测结果
  41. 第 41：OpenAI: GPT-5 Nano，得分 86.02 分 — 查看该模型的详细评测结果
  42. 第 42：qwen3-8b，得分 86.0 分 — 查看该模型的详细评测结果
  43. 第 43：qwen3.5-27b，得分 85.8 分 — 查看该模型的详细评测结果
  44. 第 44：Google: Gemini 3.1 Pro Preview，得分 85.77 分 — 查看该模型的详细评测结果
  45. 第 45：Google: Gemini 3 Flash Preview，得分 85.4 分 — 查看该模型的详细评测结果
  46. 第 46：qwen3-coder-flash，得分 83.8 分 — 查看该模型的详细评测结果
  47. 第 47：mimo-v2-flash，得分 83.68 分 — 查看该模型的详细评测结果
  48. 第 48：doubao-seed-2-0-code，得分 83.1 分 — 查看该模型的详细评测结果
  49. 第 49：qwen3-14b，得分 82.7 分 — 查看该模型的详细评测结果
  50. 第 50：xAI: Grok 4.1 Fast，得分 82.55 分 — 查看该模型的详细评测结果
  51. 第 51：Grok 4，得分 82.3 分 — 查看该模型的详细评测结果
  52. 第 52：doubao-seed-2-0-mini，得分 81.94 分 — 查看该模型的详细评测结果
  53. 第 53：qwen3-coder-next，得分 81.8 分 — 查看该模型的详细评测结果
  54. 第 54：qwen3-4b，得分 81.7 分 — 查看该模型的详细评测结果
  55. 第 55：qwen3-coder-plus，得分 81.5 分 — 查看该模型的详细评测结果
  56. 第 56：hunyuan-turbo，得分 79.81 分 — 查看该模型的详细评测结果
  57. 第 57：doubao-seed-1-6，得分 79.3 分 — 查看该模型的详细评测结果
  58. 第 58：hunyuan-large，得分 78.58 分 — 查看该模型的详细评测结果
  59. 第 59：OpenAI: gpt-oss-20b，得分 78.0 分 — 查看该模型的详细评测结果
  60. 第 60：OpenAI: GPT-4o-mini，得分 74.78 分 — 查看该模型的详细评测结果
  61. 第 61：hunyuan-pro，得分 73.88 分 — 查看该模型的详细评测结果
  62. 第 62：doubao-seed-1-6-flash，得分 70.8 分 — 查看该模型的详细评测结果
  63. 第 63：Google: Gemini 2.5 Flash Lite，得分 70.75 分 — 查看该模型的详细评测结果
  64. 第 64：Meta: Llama 3.3 70B Instruct，得分 68.44 分 — 查看该模型的详细评测结果
  65. 第 65：qwen3-0.6b，得分 67.7 分 — 查看该模型的详细评测结果
  66. 第 66：Mistral: Mistral Nemo，得分 66.74 分 — 查看该模型的详细评测结果
  67. 第 67：doubao-seed-2-0-pro，得分 65.92 分 — 查看该模型的详细评测结果
  68. 第 68：doubao-seed-2-0-lite，得分 65.42 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…