跳到正文
評測來源

Arena Creative Writing

LMArena · 真人盲選故事、詩歌和其他創意表達,觀察作品是否吸引讀者。

官方評測
在 ATech Hot 中參與排名
評測權重5%
來源資料更新時間11/19 08:00
最近成功同步11/22 02:05

它測什麼,怎麼測

讀取官方數據集 text_style_control 的 creative_writing 分類,採用風格控制後的 Bradley–Terry 分與置信區間;不借用整體文本或職業寫作分類成績。

如何使用這份證據

正式計分;從原有真人偏好 10% 中拆分 5%,整體文本保留 5%,總預算不增加。與其他 Arena 任務共用評測類型。

評測成績

按固定規則,每個公開模型採用一套用作比較的設定;沒有可採用設定的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。

原榜名次原榜型號原始成績用作比較的設定
1Claude Fable 5.2 (Max)Anthropic1,528.7Max 推理
2Gemini 4 Argon (High)google1,519.9High 推理
3Claude Opus 5.5 (High)Anthropic1,516.1High 推理
4Gemini 4 Carbon (High)google1,515.3High 推理
5Gemini 4 Neon (High)Google1,501.6High 推理
6Claude Fable 5 (High)Anthropic1,501.5High 推理
7Claude Opus 4.6 (High)Anthropic1,498.1High 推理
8Claude Fable 5.1 (Max)Anthropic1,492.4Max 推理
9Gemini 4 Hydrogen (High)google1,490.6High 推理
10Claude Opus 4.7 (High)Anthropic1,489.5High 推理
11Gemini 3.8 Flash (High)Google1,488.8High 推理
12Gemini 3.7 Flash (High)Google1,487.3High 推理
13Muse Wonder (Max)Meta1,486.8Max 推理
14Gemini 3 ProGoogle1,484.2來源預設配置
16Gemini 3.1 Pro PreviewGoogle1,481.5來源預設配置
18Claude Opus 5 (Max)Anthropic1,473Max 推理
19Qwen3.8-MaxAlibaba1,472.8來源預設配置
20Gemini 3.6 Flash (High)Google1,471.5High 推理
22GPT-5.6 Sol (xHigh)OpenAI1,470.8xHigh 推理
23Muse Spark 1.3 (Max)Meta1,470.2Max 推理
24Claude Opus 4.8 (High)Anthropic1,470.1High 推理
26Claude Opus 4.5 (High, 32K, 20251101)Anthropic1,468.9High 推理
27GPT-6.2 Astra (Max)OpenAI1,468.8Max 推理
28Gemini 3.5 Flash (High)Google1,465.3High 推理
29Muse SparkMeta1,464.8來源預設配置
30Grok 4.20 Beta 1xAI1,463.6來源預設配置
33Kimi K3 (Max)Moonshot AI1,460.4Max 推理
34Claude Sonnet 5.5 (xHigh)anthropic1,460.2xHigh 推理
35GLM-5.3 (Max)Z.ai1,456.5Max 推理
36Gemini 3 FlashGoogle1,456.4來源預設配置
評測侷限與數據署名

開放用户提示由分類器歸類,並非全部為長篇小説或中文創作;投票包含個人偏好。與 Arena 整體文本及職業寫作分類存在重疊,不能作為額外獨立機構。

數據許可:CC BY 4.0 · Arena 官方 Hugging Face leaderboard-dataset;保留署名、來源鏈接並説明聚合改動。

成績由 LMArena 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。