公开评测 · 按能力比较

AI 模型榜

按公开评测成绩比较模型。点击模型名称，查看各项能力分数和测试配置。

来源：LiveBench ↗评测版本 2026-06-25快照核验 2026-10-10

指令遵循榜 60 / 60 个模型配置

LiveBench 指令遵循评测成绩，同分并列，搜索保留名次
名次	模型与配置	指令遵循分数
1	Gemini 3.8 Flash High 综合 75.8 推理 89.3 编程 72.5 智能体编程 54.2 数学 91.6 数据分析 54.0 语言 87.8 指令遵循 81.4 Google	81.4
2	Gemini 3.7 Flash High 综合 78.8 推理 87.8 编程 78.9 智能体编程 58.3 数学 93.5 数据分析 68.0 语言 85.5 指令遵循 79.9 Google	79.9
3	Gemini 3.1 Pro Preview High 综合 77.0 推理 84.0 编程 76.5 智能体编程 44.1 数学 91.0 数据分析 78.5 语言 85.4 指令遵循 79.1 Google	79.1
4	Muse Spark 1.3 xHigh Effort 综合 81.6 推理 89.7 编程 81.1 智能体编程 64.1 数学 95.9 数据分析 79.6 语言 82.8 指令遵循 78.0 Meta	78.0
5	Qwen 3.8 Flash Next 综合 76.2 推理 87.4 编程 72.6 智能体编程 61.6 数学 85.8 数据分析 74.2 语言 74.6 指令遵循 77.1 Alibaba开放权重	77.1
6	Claude Fable 5 Max Effort 综合 83.0 推理 89.7 编程 86.0 智能体编程 62.2 数学 96.0 数据分析 80.5 语言 90.7 指令遵循 75.8 Anthropic	75.8
7	GPT-6 Astra Max Effort 综合 82.2 推理 92.7 编程 80.4 智能体编程 57.3 数学 96.8 数据分析 83.0 语言 89.4 指令遵循 75.6 OpenAI	75.6
7	Gemini 3.5 Flash High 综合 74.6 推理 82.0 编程 78.2 智能体编程 49.0 数学 88.2 数据分析 64.9 语言 84.6 指令遵循 75.6 Google	75.6
9	Gemini 3.6 Flash High 综合 73.6 推理 85.1 编程 77.9 智能体编程 43.4 数学 86.4 数据分析 63.0 语言 83.9 指令遵循 75.4 Google	75.4
10	Grok 4.7 xHigh 综合 77.4 推理 82.7 编程 77.2 智能体编程 54.0 数学 95.7 数据分析 76.9 语言 80.1 指令遵循 75.3 xAI	75.3
11	Muse Spark 1.2 xHigh Effort 综合 78.0 推理 90.0 编程 77.5 智能体编程 57.6 数学 91.2 数据分析 76.5 语言 78.6 指令遵循 74.3 Meta	74.3
12	GPT-6.1 Sol Max Effort 综合 81.6 推理 92.6 编程 80.4 智能体编程 54.5 数学 96.8 数据分析 82.7 语言 90.1 指令遵循 74.2 OpenAI	74.2
13	Qwen 3.8 Max 综合 78.5 推理 88.2 编程 72.9 智能体编程 64.6 数学 91.3 数据分析 78.4 语言 79.7 指令遵循 74.1 Alibaba开放权重	74.1
14	Qwen 3.7 Max 综合 73.1 推理 83.3 编程 74.2 智能体编程 43.6 数学 85.2 数据分析 71.8 语言 79.7 指令遵循 74.0 Alibaba	74.0
15	Nemotron 3 Ultra 550B A55B 综合 67.4 推理 74.7 编程 70.7 智能体编程 38.7 数学 88.7 数据分析 54.5 语言 70.8 指令遵循 73.4 NVIDIA开放权重	73.4
16	Claude Fable 5.1 Max Effort 综合 83.4 推理 91.7 编程 86.4 智能体编程 66.1 数学 97.0 数据分析 80.3 语言 89.5 指令遵循 73.0 Anthropic	73.0
17	Qwen3.8 27B 综合 75.3 推理 80.0 编程 75.7 智能体编程 61.4 数学 86.2 数据分析 76.6 语言 74.3 指令遵循 72.7 Alibaba开放权重	72.7
18	Claude 4.8 Opus Thinking Max Effort 综合 76.2 推理 89.2 编程 81.8 智能体编程 50.5 数学 94.3 数据分析 66.0 语言 79.7 指令遵循 72.0 Anthropic	72.0
19	Grok 4.6 xHigh 综合 78.0 推理 90.5 编程 76.8 智能体编程 57.0 数学 92.6 数据分析 73.9 语言 83.7 指令遵循 71.9 xAI	71.9
20	GPT-5.6 Sol Max Effort 综合 81.0 推理 91.7 编程 83.9 智能体编程 56.2 数学 96.2 数据分析 79.8 语言 87.7 指令遵循 71.8 OpenAI	71.8
21	Grok 4.5 综合 75.8 推理 87.2 编程 68.6 智能体编程 56.5 数学 90.8 数据分析 73.0 语言 82.8 指令遵循 71.5 xAI	71.5
22	Kimi K3 综合 79.2 推理 90.7 编程 81.4 智能体编程 62.2 数学 84.4 数据分析 78.7 语言 85.5 指令遵循 71.4 Moonshot AI开放权重	71.4
23	DeepSeek V4 Flash Vision Exp 综合 76.8 推理 85.4 编程 68.2 智能体编程 65.1 数学 87.8 数据分析 79.5 语言 80.4 指令遵循 71.0 DeepSeek开放权重	71.0
24	GPT-5.5 Thinking xHigh Effort 综合 80.2 推理 89.7 编程 82.1 智能体编程 54.0 数学 95.9 数据分析 81.6 语言 87.4 指令遵循 70.7 OpenAI	70.7
25	Claude Sonnet 5.5 xHigh Effort 综合 77.8 推理 86.8 编程 88.9 智能体编程 39.3 数学 96.7 数据分析 78.6 语言 83.4 指令遵循 70.5 Anthropic	70.5
26	GPT-5.4 Thinking xHigh Effort 综合 78.0 推理 88.1 编程 77.5 智能体编程 53.8 数学 94.1 数据分析 79.3 语言 82.6 指令遵循 70.2 OpenAI	70.2
27	Inkling xHigh Effort 综合 71.9 推理 78.3 编程 71.0 智能体编程 49.4 数学 88.4 数据分析 72.8 语言 73.5 指令遵循 70.1 Thinking Machines开放权重	70.1
28	DeepSeek V4.1 Flash Max Effort 综合 81.1 推理 86.7 编程 80.0 智能体编程 77.3 数学 93.3 数据分析 79.3 语言 81.2 指令遵循 70.0 DeepSeek开放权重	70.0
29	Muse Spark 1.1 xHigh Effort 综合 75.3 推理 87.7 编程 77.2 智能体编程 58.5 数学 87.1 数据分析 72.5 语言 74.3 指令遵循 69.6 Meta	69.6
30	GLM-5.3 综合 76.1 推理 85.8 编程 79.0 智能体编程 60.9 数学 87.9 数据分析 70.2 语言 79.9 指令遵循 69.3 Z.AI开放权重	69.3
31	GPT-6 Sol Max Effort 综合 79.3 推理 88.7 编程 81.8 智能体编程 52.9 数学 96.4 数据分析 81.2 语言 85.3 指令遵循 68.6 OpenAI	68.6
32	DeepSeek V4 Pro 0813 综合 77.4 推理 85.8 编程 77.2 智能体编程 54.9 数学 95.1 数据分析 79.2 语言 82.1 指令遵循 67.7 DeepSeek开放权重	67.7
33	GPT-5.4 Nano xHigh 综合 69.6 推理 81.1 编程 70.8 智能体编程 46.8 数学 91.0 数据分析 67.6 语言 62.5 指令遵循 67.2 OpenAI	67.2
33	Gemini 3.5 Flash-Lite High 综合 63.9 推理 60.2 编程 76.1 智能体编程 45.3 数学 73.7 数据分析 53.2 语言 71.8 指令遵循 67.2 Google	67.2
35	Claude 4.7 Opus Thinking xHigh Effort 综合 76.5 推理 87.2 编程 82.1 智能体编程 50.7 数学 92.9 数据分析 78.3 语言 77.9 指令遵循 66.7 Anthropic	66.7
36	Claude Haiku 5.5 xHigh Effort 综合 72.1 推理 81.2 编程 76.4 智能体编程 51.4 数学 92.8 数据分析 72.8 语言 63.5 指令遵循 66.5 Anthropic	66.5
37	GPT-5.2 Codex 综合 74.0 推理 77.7 编程 83.6 智能体编程 49.4 数学 88.8 数据分析 78.2 语言 73.7 指令遵循 66.4 OpenAI	66.4
38	Claude 5.5 Opus Thinking Max Effort 综合 83.2 推理 92.2 编程 89.3 智能体编程 71.7 数学 97.1 数据分析 80.3 语言 86.3 指令遵循 65.7 Anthropic	65.7
39	DeepSeek V4 Flash 0731 综合 74.2 推理 86.6 编程 75.0 智能体编程 46.8 数学 86.8 数据分析 79.3 语言 79.2 指令遵循 65.5 DeepSeek开放权重	65.5
40	Grok Build 0.1 综合 67.8 推理 76.4 编程 65.4 智能体编程 45.8 数学 78.4 数据分析 70.8 语言 72.5 指令遵循 65.2 xAI	65.2
41	Mistral Large 4 High 综合 71.8 推理 83.9 编程 77.2 智能体编程 57.2 数学 93.6 数据分析 76.5 语言 49.6 指令遵循 64.8 Mistral AI	64.8
42	GPT-5.6 Terra Max Effort 综合 77.9 推理 90.6 编程 78.2 智能体编程 54.9 数学 94.9 数据分析 79.3 语言 82.9 指令遵循 64.6 OpenAI	64.6
43	Kimi K2.6 Thinking 综合 70.5 推理 79.4 编程 78.6 智能体编程 46.9 数学 84.3 数据分析 65.1 语言 75.1 指令遵循 64.4 Moonshot AI开放权重	64.4
44	Claude Sonnet 5 xHigh Effort 综合 76.0 推理 88.7 编程 80.7 智能体编程 59.4 数学 92.9 数据分析 71.7 语言 75.0 指令遵循 63.9 Anthropic	63.9
45	Claude 5 Opus Thinking Max Effort 综合 80.1 推理 91.2 编程 81.4 智能体编程 65.2 数学 95.7 数据分析 74.6 语言 88.7 指令遵循 63.8 Anthropic	63.8
46	Claude 4.6 Opus Thinking High Effort 综合 74.5 推理 88.7 编程 78.2 智能体编程 49.0 数学 89.3 数据分析 69.9 语言 83.3 指令遵循 63.3 Anthropic	63.3
47	Claude 4.6 Sonnet Thinking Medium Effort 综合 73.0 推理 84.8 编程 79.3 智能体编程 42.6 数学 87.0 数据分析 77.9 语言 76.1 指令遵循 63.2 Anthropic	63.2
48	Grok 4.3 综合 62.3 推理 70.8 编程 69.9 智能体编程 18.5 数学 84.3 数据分析 55.8 语言 73.6 指令遵循 62.8 xAI	62.8
49	Claude 4.5 Opus Thinking High Effort 综合 72.6 推理 80.1 编程 79.7 智能体编程 39.7 数学 90.4 数据分析 74.4 语言 81.3 指令遵循 62.5 Anthropic	62.5
50	GLM-5.2 综合 73.2 推理 78.6 编程 79.7 智能体编程 51.8 数学 89.8 数据分析 73.7 语言 76.2 指令遵循 62.3 Z.AI开放权重	62.3
51	GPT-5.2 High 综合 74.6 推理 83.2 编程 76.1 智能体编程 50.3 数学 93.2 数据分析 78.2 语言 79.8 指令遵循 61.8 OpenAI	61.8
52	ox-alpha-max 综合 69.2 推理 76.6 编程 75.8 智能体编程 52.6 数学 77.5 数据分析 75.8 语言 66.1 指令遵循 60.3 Stealth	60.3
53	GPT-5.6 Luna Max Effort 综合 73.6 推理 85.6 编程 82.9 智能体编程 48.4 数学 87.2 数据分析 78.0 语言 72.6 指令遵循 60.1 OpenAI	60.1
54	GPT-5.4 Mini xHigh 综合 66.4 推理 71.3 编程 71.6 智能体编程 41.7 数学 78.5 数据分析 70.8 语言 71.0 指令遵循 59.8 OpenAI	59.8
55	Qwen 3.6 Plus 综合 68.9 推理 75.8 编程 78.2 智能体编程 41.4 数学 83.7 数据分析 69.9 语言 75.0 指令遵循 58.3 Alibaba	58.3
56	Minimax M3 综合 67.3 推理 74.5 编程 68.2 智能体编程 40.7 数学 76.9 数据分析 76.2 语言 76.8 指令遵循 57.5 Minimax	57.5
57	Kimi K2.7 Code 综合 68.4 推理 82.8 编程 74.0 智能体编程 45.7 数学 79.6 数据分析 62.7 语言 77.9 指令遵循 56.3 Moonshot AI开放权重	56.3
58	GPT-6 Luna Max Effort 综合 72.0 推理 81.8 编程 79.0 智能体编程 51.2 数学 89.1 数据分析 73.4 语言 73.8 指令遵循 55.9 OpenAI	55.9
59	Qwen 3.6 27B 综合 64.0 推理 70.3 编程 71.8 智能体编程 39.3 数学 79.9 数据分析 70.4 语言 63.3 指令遵循 53.2 Alibaba开放权重	53.2
60	GLM-5.3 Flash 综合 71.6 推理 77.6 编程 79.0 智能体编程 56.8 数学 81.2 数据分析 76.4 语言 77.3 指令遵循 52.8 Z.AI开放权重	52.8