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
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 |
|---|---|---|---|
| 1 | gpt-6-astraOpenAI | 2,176.9 | 來源預設配置 |
| 2 | kimi-k3.1-proKimi | 2,172.6 | 來源預設配置 |
| 3 | claude-fable-5-1Anthropic | 2,155.3 | 來源預設配置 |
| 4 | claude-opus-5Anthropic | 2,135 | 來源預設配置 |
| 5 | gpt-6-solOpenAI | 2,126 | 來源預設配置 |
| 6 | kimi-k3Moonshot AI | 2,083.3 | 來源預設配置 |
| 7 | GLM-5.3Z.ai | 2,076.4 | 來源預設配置 |
| 8 | claude-opus-5-5Anthropic | 2,050.9 | 來源預設配置 |
| 9 | grok-4.7xAI | 2,012.2 | 來源預設配置 |
| 10 | muse-wonderMeta | 2,007 | 來源預設配置 |
| 12 | gpt-5.6-solOpenAI | 1,973.5 | 來源預設配置 |
| 13 | claude-fable-5Anthropic | 1,943.6 | 來源預設配置 |
| 14 | aion-3.5aion-labs | 1,930.6 | 來源預設配置 |
| 15 | muse-spark-1.1Meta | 1,928.2 | 來源預設配置 |
| 16 | claude-opus-4-7Anthropic | 1,914.9 | 來源預設配置 |
| 17 | Altworld/Hemmingway-1— | 1,907.4 | 來源預設配置 |
| 18 | muse-spark-1.3Meta | 1,906.9 | 來源預設配置 |
| 19 | gpt-5.6-terraOpenAI | 1,856.2 | 來源預設配置 |
| 20 | gpt-5.5OpenAI | 1,844.5 | 來源預設配置 |
| 21 | Qwen/Qwen3.8-2.4T-A95BAlibaba | 1,843.8 | 來源預設配置 |
| 22 | muse-spark-1.2Meta | 1,842.2 | 來源預設配置 |
| 23 | gpt-5.4OpenAI | 1,840.8 | 來源預設配置 |
| 24 | claude-opus-4-8Anthropic | 1,840.1 | 來源預設配置 |
| 25 | gpt-5.6-lunaOpenAI | 1,831.5 | 來源預設配置 |
| 26 | claude-sonnet-4-6Anthropic | 1,811 | 來源預設配置 |
| 27 | claude-opus-4-6Anthropic | 1,810.3 | 來源預設配置 |
| 28 | meta-models/Muse-Glimmer-30BMeta | 1,804.3 | 來源預設配置 |
| 29 | claude-sonnet-5Anthropic | 1,797.9 | 來源預設配置 |
| 30 | space-bunny-alphastealth | 1,788.9 | 來源預設配置 |
| 31 | zai-org/GLM-5.2Z.ai | 1,759.2 | 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。