DeepSeek V4 Pro在精度和指令遵循方面优于GPT-5.5 Pro，尤其在复杂任务处理上表现更佳。测试显示，DeepSeek在日志处理和邮件生成等任务中更能准确执行要求，而GPT常常添加多余信息。尽管DeepSeek成本低廉，但推理深度仍不及GPT。社区对评估方法提出质疑，认为样本量小且缺乏科学性。总体来看，DeepSeek提供了“足够好”的性能，但顶尖推理能力仍由GPT和Claude掌握。

腾讯混元推出的新翻译模型Hy-MT2支持33种语言互译，具备强大的指令遵循能力，尤其在金融、政治和教育领域表现优异。该模型提供多种尺寸以适应不同硬件，并支持离线翻译。Hy-MT2已开源，旨在提升机器翻译技术，鼓励社区参与。

GPT Image 2的底层架构已彻底重构，研究负责人陈博远称其为“通用模型”。团队仅13人，快速取得显著进展，新模型在指令遵循和空间布局方面表现出色，能够精准生成复杂图像。团队成员背景多样，涵盖计算机视觉和机器学习等领域，OpenAI持续吸引跨界人才，推动技术创新。

Anthropic发布了Claude Opus 4.7，提升了指令遵循、视觉、创造力和记忆能力。新模型在复杂任务上表现更佳，但安全性略有下降，用户需调整提示以适应变化。Opus 4.7在金融分析等领域表现出色，并具备自动检测高风险请求的安全措施。

龙虾圈推出的新模型GLM-5-Turbo专为复杂任务优化，解决了通用模型在多步骤执行中的问题。该模型在工具调用、指令遵循和任务持续性方面表现优异，并在ZClawBench评测中获得国产模型第一。GLM-5-Turbo适合个人和企业，支持灵活订阅，提升AI应用效率。

阿里发布了新一代大模型千问Qwen3.5-Plus，具备多模态升级，性能超越GPT-5.2和Claude 4.5，尤其在知识推理和指令遵循方面表现卓越，具备高效推理和自主操作设备的能力。

OpenAI发布了GPT-5.1模型，提升了指令遵循和推理速度，并新增聊天风格选项，允许用户自定义响应。尽管早期移除旧模型引发争议，OpenAI承诺提供过渡期以便用户适应。新Codex-Max模型在编程任务中表现出色，API访问即将推出。

本文提出了一种名为“检查表反馈强化学习”（RLCF）的方法，以提高大型语言模型（LLMs）对用户指令的遵循能力。通过从指令中提取检查表并评估响应的满足程度，RLCF在多个基准测试中表现优异，显著提升了模型的指令遵循性能，表明检查表反馈是改善语言模型支持多样化需求的重要工具。

近期，AI技术迅速发展，但模型在指令遵循方面表现不一。美团M17团队推出Meeseeks评测基准，专注于评估模型的指令遵循能力。评测结果显示，o3-mini系列模型表现优异，Claude系列紧随其后，而DeepSeek和GPT-4o排名较低。Meeseeks通过细化评测框架和多轮纠错模式，揭示了模型的自我纠错潜力，为未来优化提供了方向。

GPT-5是一个统一系统，能够实时选择快速回答模型和深度推理模型。它在减少幻觉、提高指令遵循和安全性方面取得显著进展，尤其在写作、编程和健康领域表现突出。

图像编辑模型SeedEdit 3.0基于Seedream 3.0，提升了图像主体、背景和细节的保持能力，尤其在人像编辑和背景更改方面表现突出。该模型支持生成4K图像，指令遵循和可用性显著提高，用户满意度高。团队采用增强型数据策略和多阶段训练，提升了模型的理解能力。尽管表现优秀，指令遵循仍需进一步优化。

OpenAI推出了GPT-4.1系列模型，包括常规版、mini版和nano版，专为API调用设计，价格更低。新模型在编程和指令遵循方面有显著改进，支持处理更长内容，性能优于前代。

GPT-4.1系列模型发布，显著提升了编码、指令遵循和长文本理解能力，支持高达100万标记的上下文，性能更优，成本更低。该模型在多个基准测试中表现出色，特别是在编码任务和多轮对话中，提升了指令遵循的可靠性，适用于智能系统和复杂任务的开发。