跳到正文
評測來源

Creative Writing v3

EQ-Bench · 短篇創作與表達

官方評測
在 ATech Hot 中參與排名
評測權重3.6%
來源資料更新時間10/29 02:36
最近成功同步11/22 02:05

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
1gpt-6-astraOpenAI2,176.9來源預設配置
2kimi-k3.1-proKimi2,172.6來源預設配置
3claude-fable-5-1Anthropic2,155.3來源預設配置
4claude-opus-5Anthropic2,135來源預設配置
5gpt-6-solOpenAI2,126來源預設配置
6kimi-k3Moonshot AI2,083.3來源預設配置
7GLM-5.3Z.ai2,076.4來源預設配置
8claude-opus-5-5Anthropic2,050.9來源預設配置
9grok-4.7xAI2,012.2來源預設配置
10muse-wonderMeta2,007來源預設配置
12gpt-5.6-solOpenAI1,973.5來源預設配置
13claude-fable-5Anthropic1,943.6來源預設配置
14aion-3.5aion-labs1,930.6來源預設配置
15muse-spark-1.1Meta1,928.2來源預設配置
16claude-opus-4-7Anthropic1,914.9來源預設配置
17Altworld/Hemmingway-1—1,907.4來源預設配置
18muse-spark-1.3Meta1,906.9來源預設配置
19gpt-5.6-terraOpenAI1,856.2來源預設配置
20gpt-5.5OpenAI1,844.5來源預設配置
21Qwen/Qwen3.8-2.4T-A95BAlibaba1,843.8來源預設配置
22muse-spark-1.2Meta1,842.2來源預設配置
23gpt-5.4OpenAI1,840.8來源預設配置
24claude-opus-4-8Anthropic1,840.1來源預設配置
25gpt-5.6-lunaOpenAI1,831.5來源預設配置
26claude-sonnet-4-6Anthropic1,811來源預設配置
27claude-opus-4-6Anthropic1,810.3來源預設配置
28meta-models/Muse-Glimmer-30BMeta1,804.3來源預設配置
29claude-sonnet-5Anthropic1,797.9來源預設配置
30space-bunny-alphastealth1,788.9來源預設配置
31zai-org/GLM-5.2Z.ai1,759.2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 共識指數使用不同尺度,不能直接相加。