評測來源官方評測
Creative Writing v3
EQ-Bench · 短篇創作與表達
在 ATech Hot 中參與排名
證據預算3.6%
上游數據時間09/24 15:57
最近成功同步10/06 14:05
它測什麼，怎麼測
官方 CSV 內嵌於數據腳本，採用 Elo；Sonnet 4.6 判勝負，風格、重複率和 rubric 不重複計票。
如何使用這份證據
正式計分；兩張寫作榜合計佔 6%，不按題數或模型數增加權重。
評測成績
按固定規則，每個公開模型採用一套代表配置；沒有可採用配置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 | 代表配置 |
|---|---|---|---|
| 1 | gpt-6-astraOpenAI | 2,173.3 | 來源預設配置 |
| 2 | claude-fable-5-1Anthropic | 2,162 | 來源預設配置 |
| 3 | claude-opus-5Anthropic | 2,132.6 | 來源預設配置 |
| 4 | gpt-6-solOpenAI | 2,124.7 | 來源預設配置 |
| 5 | kimi-k3Moonshot AI | 2,082.3 | 來源預設配置 |
| 6 | GLM-5.3Z.ai | 2,075 | 來源預設配置 |
| 7 | claude-opus-5-5Anthropic | 2,050.1 | 來源預設配置 |
| 8 | grok-4.7xAI | 2,006.7 | 來源預設配置 |
| 10 | gpt-5.6-solOpenAI | 1,971.6 | 來源預設配置 |
| 11 | claude-fable-5Anthropic | 1,943.1 | 來源預設配置 |
| 12 | aion-3.5aion-labs | 1,929.3 | 來源預設配置 |
| 13 | muse-spark-1.1Meta | 1,927.1 | 來源預設配置 |
| 14 | claude-opus-4-7Anthropic | 1,914.3 | 來源預設配置 |
| 15 | Altworld/Hemmingway-1— | 1,906.4 | 來源預設配置 |
| 16 | muse-spark-1.3Meta | 1,905.9 | 來源預設配置 |
| 17 | gpt-5.6-terraOpenAI | 1,854.9 | 來源預設配置 |
| 18 | gpt-5.5OpenAI | 1,843.9 | 來源預設配置 |
| 19 | Qwen/Qwen3.8-2.4T-A95BAlibaba | 1,842.5 | 來源預設配置 |
| 20 | muse-spark-1.2Meta | 1,840.4 | 來源預設配置 |
| 21 | claude-opus-4-8Anthropic | 1,839.8 | 來源預設配置 |
| 22 | gpt-5.4OpenAI | 1,839.7 | 來源預設配置 |
| 23 | gpt-5.6-lunaOpenAI | 1,828.7 | 來源預設配置 |
| 24 | claude-sonnet-4-6Anthropic | 1,810.4 | 來源預設配置 |
| 25 | claude-opus-4-6Anthropic | 1,809.1 | 來源預設配置 |
| 26 | meta-models/Muse-Glimmer-30BMeta | 1,798.3 | 來源預設配置 |
| 27 | claude-sonnet-5Anthropic | 1,794 | 來源預設配置 |
| 28 | space-bunny-alphastealth | 1,784.3 | 來源預設配置 |
| 29 | zai-org/GLM-5.2Z.ai | 1,756.5 | 來源預設配置 |
| 30 | gemini-3.8-flashGoogle | 1,747.9 | 來源預設配置 |
| 31 | moonshotai/Kimi-K2.6Moonshot AI | 1,724.5 | 來源預設配置 |
評測侷限與數據署名
以英文寫作為主，依賴模型裁判；同一裁判和相關任務共用預算，不代表中文文筆。
數據許可：MIT · EQ-bench-site README 元數據聲明
成績由 EQ-Bench 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。