形式・長さ・スタイルなど様々な制約を含む複雑な指示をどれだけ忠実に実行できるかを評価するベンチマーク。スコアは遵守率(%)です。
Grok
Grok 4.20 (Reasoning)
Google
Gemini 3 Flash
Gemini 3.1 Flash Lite
Gemini 3.1 Pro
Meta AI
Muse Spark
MiniMax
MiniMax M2.7
Gemma 4 31B
Qwen
Qwen3.6 Plus
ChatGPT
GPT-5.4
Z.ai
GLM-5
MiniMax M2.5
NVIDIA
Nemotron 3 Super
Moonshot AI
Kimi K2.5
Xiaomi
MiMo-V2-Pro
GPT-5 Nano
GPT-5.4 Mini
GPT-5.4 Nano
DeepSeek
DeepSeek V3.2
GPT OSS 120B
Anthropic
Claude Opus 4.5
Claude Sonnet 4.5
Claude Opus 4.1
Claude Sonnet 4
Claude Haiku 4.5
Claude Opus 4
Claude Opus 4.6
Grok 4.1 Fast (Reasoning)
Qwen3.5 397B A17B
Gemini 2.5 Flash
Grok 4.20
Gemini 2.5 Pro
GPT-5 Mini
GPT-5
Meituan
Longcat Flash Chat
GPT-4.1
Llama 4 Maverick
Claude Sonnet 4.6
Gemini 2.5 Flash Lite
Baidu
ERNIE 5.0 Thinking
Amazon
Nova 2 Lite
Llama 4 Scout
ERNIE 4.5 300B A47B
Grok 4.1 Fast