步骤指令

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：步骤指令
  • 测试类型：文本生成
  • 评测维度：指令遵循
  • 参与评测的模型数：195 个

系统提示词（System Prompt）

你是一名生活技能指导专家，擅长将日常操作分解为清晰、易懂的步骤说明。 回答要求： 1. 严格按照指定的步骤数量输出，不多不少。 2. 每个步骤使用编号（如「步骤1：」）开头，结构清晰。 3. 每个步骤描述一个独立且完整的动作，步骤之间具有自然的先后顺序。 4. 语言简洁明了，避免冗余信息，确保普通读者能够直接照做。

用户提示词（User Prompt）

请用**恰好3个步骤**说明如何泡一杯茶。 要求： - 步骤总数必须为3步，不能多也不能少。 - 每个步骤用「步骤1 / 步骤2 / 步骤3」编号标注。 - 每个步骤只描述一个核心动作，并简要说明该动作的要点（如温度、时间等关键细节）。 - 步骤之间需体现合理的操作顺序。

各模型评测结果

  1. 第 1：qwen3.6-plus-preview，得分 96.5 分 — 查看该模型的详细评测结果
  2. 第 2：qwen3-coder-next，得分 95.5 分 — 查看该模型的详细评测结果
  3. 第 3：StepFun: Step 3.5 Flash，得分 94.2 分 — 查看该模型的详细评测结果
  4. 第 4：glm-4.5-air，得分 94.17 分 — 查看该模型的详细评测结果
  5. 第 5：Anthropic: Claude Sonnet 4.6，得分 94.12 分 — 查看该模型的详细评测结果
  6. 第 6：qwen3-235b-a22b，得分 94.0 分 — 查看该模型的详细评测结果
  7. 第 7：doubao-seed-1-6，得分 93.9 分 — 查看该模型的详细评测结果
  8. 第 8：GPT-5.2，得分 93.9 分 — 查看该模型的详细评测结果
  9. 第 9：OpenAI: GPT-5 Mini，得分 93.62 分 — 查看该模型的详细评测结果
  10. 第 10：kimi-k2.5，得分 93.62 分 — 查看该模型的详细评测结果
  11. 第 11：qwen3-max，得分 93.46 分 — 查看该模型的详细评测结果
  12. 第 12：Z.ai: GLM 5.1，得分 93.3 分 — 查看该模型的详细评测结果
  13. 第 13：doubao-seed-1-8，得分 93.2 分 — 查看该模型的详细评测结果
  14. 第 14：Meituan: LongCat Flash Chat，得分 93.2 分 — 查看该模型的详细评测结果
  15. 第 15：Claude Opus 4.6，得分 93.0 分 — 查看该模型的详细评测结果
  16. 第 16：OpenAI: GPT-5.4，得分 93.0 分 — 查看该模型的详细评测结果
  17. 第 17：MiniMax-M2.7，得分 92.8 分 — 查看该模型的详细评测结果
  18. 第 18：OpenAI: gpt-oss-120b，得分 92.79 分 — 查看该模型的详细评测结果
  19. 第 19：deepseek-v3.2，得分 92.53 分 — 查看该模型的详细评测结果
  20. 第 20：GLM-5.1，得分 92.5 分 — 查看该模型的详细评测结果
  21. 第 21：Anthropic: Claude Haiku 4.5，得分 92.46 分 — 查看该模型的详细评测结果
  22. 第 22：qwen3.5-omni-plus，得分 92.3 分 — 查看该模型的详细评测结果
  23. 第 23：GLM-5v-turbo，得分 92.2 分 — 查看该模型的详细评测结果
  24. 第 24：Qwen: Qwen3.5-9B，得分 92.0 分 — 查看该模型的详细评测结果
  25. 第 25：mimo-v2-omni，得分 92.0 分 — 查看该模型的详细评测结果
  26. 第 26：MiniMax-M2.5，得分 91.9 分 — 查看该模型的详细评测结果
  27. 第 27：Google: Gemma 4 26B A4B ，得分 91.8 分 — 查看该模型的详细评测结果
  28. 第 28：qwen3-14b，得分 91.8 分 — 查看该模型的详细评测结果
  29. 第 29：Google: Gemini 3 Flash Preview，得分 91.72 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3-4b，得分 91.7 分 — 查看该模型的详细评测结果
  31. 第 31：qwen3-8b，得分 91.5 分 — 查看该模型的详细评测结果
  32. 第 32：doubao-seed-2-0-mini，得分 91.46 分 — 查看该模型的详细评测结果
  33. 第 33：Google: Gemma 4 31B，得分 91.4 分 — 查看该模型的详细评测结果
  34. 第 34：qwen3-coder-plus，得分 91.0 分 — 查看该模型的详细评测结果
  35. 第 35：mimo-v2-flash，得分 90.62 分 — 查看该模型的详细评测结果
  36. 第 36：MiniMax-M2.1，得分 90.48 分 — 查看该模型的详细评测结果
  37. 第 37：doubao-seed-2-0-pro，得分 90.47 分 — 查看该模型的详细评测结果
  38. 第 38：Google: Gemini 3.1 Pro Preview，得分 90.47 分 — 查看该模型的详细评测结果
  39. 第 39：qwen3-coder-flash，得分 90.2 分 — 查看该模型的详细评测结果
  40. 第 40：mimo-v2-pro，得分 90.0 分 — 查看该模型的详细评测结果
  41. 第 41：qwen3.5-27b，得分 90.0 分 — 查看该模型的详细评测结果
  42. 第 42：xAI: Grok 4.20 Beta，得分 90.0 分 — 查看该模型的详细评测结果
  43. 第 43：OpenAI: gpt-oss-20b，得分 89.96 分 — 查看该模型的详细评测结果
  44. 第 44：qwen3.5-plus-2026-02-15，得分 89.83 分 — 查看该模型的详细评测结果
  45. 第 45：hunyuan-turbo，得分 89.79 分 — 查看该模型的详细评测结果
  46. 第 46：NVIDIA: Nemotron 3 Super (free)，得分 89.7 分 — 查看该模型的详细评测结果
  47. 第 47：doubao-seed-2-0-code，得分 89.2 分 — 查看该模型的详细评测结果
  48. 第 48：OpenAI: GPT-4o-mini，得分 89.13 分 — 查看该模型的详细评测结果
  49. 第 49：hunyuan-pro，得分 88.93 分 — 查看该模型的详细评测结果
  50. 第 50：Grok 4，得分 88.3 分 — 查看该模型的详细评测结果
  51. 第 51：qwen3.5-35b-a3b，得分 88.0 分 — 查看该模型的详细评测结果
  52. 第 52：Meta: Llama 3.3 70B Instruct，得分 87.58 分 — 查看该模型的详细评测结果
  53. 第 53：kimi-k2-thinking-turbo，得分 87.29 分 — 查看该模型的详细评测结果
  54. 第 54：glm-4.7，得分 86.89 分 — 查看该模型的详细评测结果
  55. 第 55：xAI: Grok 4.1 Fast，得分 86.82 分 — 查看该模型的详细评测结果
  56. 第 56：qwen3.5-omni-flash，得分 85.67 分 — 查看该模型的详细评测结果
  57. 第 57：qwen3.5-flash，得分 85.2 分 — 查看该模型的详细评测结果
  58. 第 58：doubao-seed-1-6-flash，得分 83.3 分 — 查看该模型的详细评测结果
  59. 第 59：OpenAI: GPT-5 Nano，得分 82.91 分 — 查看该模型的详细评测结果
  60. 第 60：Google: Gemini 2.5 Flash Lite，得分 82.53 分 — 查看该模型的详细评测结果
  61. 第 61：hunyuan-large，得分 82.48 分 — 查看该模型的详细评测结果
  62. 第 62：glm-5，得分 81.83 分 — 查看该模型的详细评测结果
  63. 第 63：doubao-seed-2-0-lite，得分 80.22 分 — 查看该模型的详细评测结果
  64. 第 64：Mistral: Mistral Nemo，得分 78.28 分 — 查看该模型的详细评测结果
  65. 第 65：qwen3-0.6b，得分 60.5 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…