評測來源官方評測
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。
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 |
|---|---|---|---|
| 1 | Claude Fable 5.2 (Max)Anthropic | 1,528.7 | Max 推理 |
| 2 | Gemini 4 Argon (High)google | 1,519.9 | High 推理 |
| 3 | Claude Opus 5.5 (High)Anthropic | 1,516.1 | High 推理 |
| 4 | Gemini 4 Carbon (High)google | 1,515.3 | High 推理 |
| 5 | Gemini 4 Neon (High)Google | 1,501.6 | High 推理 |
| 6 | Claude Fable 5 (High)Anthropic | 1,501.5 | High 推理 |
| 7 | Claude Opus 4.6 (High)Anthropic | 1,498.1 | High 推理 |
| 8 | Claude Fable 5.1 (Max)Anthropic | 1,492.4 | Max 推理 |
| 9 | Gemini 4 Hydrogen (High)google | 1,490.6 | High 推理 |
| 10 | Claude Opus 4.7 (High)Anthropic | 1,489.5 | High 推理 |
| 11 | Gemini 3.8 Flash (High)Google | 1,488.8 | High 推理 |
| 12 | Gemini 3.7 Flash (High)Google | 1,487.3 | High 推理 |
| 13 | Muse Wonder (Max)Meta | 1,486.8 | Max 推理 |
| 14 | Gemini 3 ProGoogle | 1,484.2 | 來源預設配置 |
| 16 | Gemini 3.1 Pro PreviewGoogle | 1,481.5 | 來源預設配置 |
| 18 | Claude Opus 5 (Max)Anthropic | 1,473 | Max 推理 |
| 19 | Qwen3.8-MaxAlibaba | 1,472.8 | 來源預設配置 |
| 20 | Gemini 3.6 Flash (High)Google | 1,471.5 | High 推理 |
| 22 | GPT-5.6 Sol (xHigh)OpenAI | 1,470.8 | xHigh 推理 |
| 23 | Muse Spark 1.3 (Max)Meta | 1,470.2 | Max 推理 |
| 24 | Claude Opus 4.8 (High)Anthropic | 1,470.1 | High 推理 |
| 26 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 1,468.9 | High 推理 |
| 27 | GPT-6.2 Astra (Max)OpenAI | 1,468.8 | Max 推理 |
| 28 | Gemini 3.5 Flash (High)Google | 1,465.3 | High 推理 |
| 29 | Muse SparkMeta | 1,464.8 | 來源預設配置 |
| 30 | Grok 4.20 Beta 1xAI | 1,463.6 | 來源預設配置 |
| 33 | Kimi K3 (Max)Moonshot AI | 1,460.4 | Max 推理 |
| 34 | Claude Sonnet 5.5 (xHigh)anthropic | 1,460.2 | xHigh 推理 |
| 35 | GLM-5.3 (Max)Z.ai | 1,456.5 | Max 推理 |
| 36 | Gemini 3 FlashGoogle | 1,456.4 | 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。