排行榜

能力评测站内热度

外部权威评测，保留原始分数与来源

综合编程 Agent 与工具推理与知识写作与对话语言行业视觉图像视频

创意写作指令遵循多轮对话长提问

指令遵循Arena 指令遵循子集：提问包含明确格式、约束或步骤要求。

第 1 名

Gemini 4 Argon (High)Google

指令遵循偏好

1527.00Arena±14.64

领先第 2 名

+8.86统计并列

能力指纹

编程写作指令多轮难题数学中文

来源

Arena2026-10-15

指令遵循排名233

model= /

第一梯队4 个模型与第 1 名在 95% 置信区间内无显著差异，名次先后不代表确定的强弱。

名次模型思考强度指令遵循偏好· 95% 区间能力指纹

01

Gemini 4 Argon (High)

Gemini 4 Argon (High)

思考强度：—

1527.00

02

Claude Opus 5.5 (High)

Claude Opus 5.5 (High)

思考强度：—

1518.14

03

Claude Opus 4.6 (High)

Claude Opus 4.6 (High)

思考强度：—

1511.81

04

Claude Fable 5 (High)

Claude Fable 5 (High)

思考强度：—

1508.38

05

Claude Opus 4.7 (High)

Claude Opus 4.7 (High)

思考强度：—

1502.32

06

Claude Opus 4.6

Claude Opus 4.6

思考强度：—

1498.89

07

Claude Fable 5.1 (Max)

Claude Fable 5.1 (Max)

思考强度：—

1498.61

08

Claude Opus 5 (High)

Claude Opus 5 (High)

思考强度：—

1495.69

09

Claude Opus 5 (Max)

Claude Opus 5 (Max)

思考强度：—

1494.28

10

Claude Opus 4.7

Claude Opus 4.7

思考强度：—

1492.91

11

Claude Opus 4.8

claude-opus-4-8-high

思考强度：High

1490.97

12

GPT 5.6 Sol

gpt-5.6-sol-xhigh

思考强度：XHigh

1490.51

13

Gemini 3.8 Flash (High)

Gemini 3.8 Flash (High)

思考强度：—

1489.62

14

Kimi K3 (Max)

Kimi K3 (Max)

思考强度：—

1488.07

15

GPT 6.1 Sol

gpt-6.1-sol-max

思考强度：Max

1486.51

16

Gemini 3.7 Flash (High)

Gemini 3.7 Flash (High)

思考强度：—

1485.46

17

Claude Opus 4.5 20251101 High 32k

claude-opus-4-5-20251101-high-32k

思考强度：—

1483.58

18

Claude Sonnet 5.5

claude-sonnet-5.5-xhigh

思考强度：XHigh

1483.42

19

Gemini 3.1 Pro Preview

Gemini 3.1 Pro Preview

思考强度：—

1479.86

20

Claude Opus 4.8

claude-opus-4-8

思考强度：—

1478.17

有 7 天前的可比快照后显示周变化。