基准
IFBench
用于评测大模型遵循复杂指令（Instruction Following）能力的基准测试，衡量模型对多约束指令的准确执行度
时间轴 (近 90 天)
10月18日
Dory 在 IFBench 上领先 Qwen3.5-4B 超过 20 分（79 vs 53.83，4 次循环）。
待验证50%
10月12日
Saluki在IFEval基准拿到93.5分（原版91.5分），IFBench中以72.7分超过原版的71.0分
待验证50%
10月2日
在基准测试中 2.0 相比基础模型在 IFBench（37.3→43.7）、When2Call（48→58）、BFCL irrelevance（60→78）上提升明显
待验证50%