評測來源官方評測
Longform Writing
EQ-Bench · 長篇故事的連貫性與完整性
在 ATech Hot 中參與排名
證據預算2.4%
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
採用 overall_score_100；八章長文的情節與表達評分，裁判偏好作為侷限披露。
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 | claude-opus-5Anthropic | 86.3 | 來源預設配置 |
| 2 | claude-fable-5-1Anthropic | 85.3 | 來源預設配置 |
| 3 | claude-opus-5-5Anthropic | 84.6 | 來源預設配置 |
| 4 | claude-fable-5Anthropic | 83 | 來源預設配置 |
| 4 | grok-4.7xAI | 83 | 來源預設配置 |
| 6 | muse-spark-1.3Meta | 82.8 | 來源預設配置 |
| 6 | gpt-6-astraOpenAI | 82.8 | 來源預設配置 |
| 6 | gpt-6-solOpenAI | 82.8 | 來源預設配置 |
| 9 | aion-3.5aion-labs | 82.1 | 來源預設配置 |
| 10 | GLM-5.3Z.ai | 81.8 | 來源預設配置 |
| 10 | claude-opus-4-7Anthropic | 81.8 | 來源預設配置 |
| 12 | gpt-5.6-solOpenAI | 81.7 | 來源預設配置 |
| 13 | muse-spark-1.2Meta | 81.5 | 來源預設配置 |
| 14 | claude-opus-4-8Anthropic | 80.8 | 來源預設配置 |
| 15 | claude-sonnet-4-6Anthropic | 79.9 | 來源預設配置 |
| 17 | kimi-k3Moonshot AI | 79.6 | 來源預設配置 |
| 18 | moonshotai/Kimi-K2.6Moonshot AI | 78.5 | 來源預設配置 |
| 19 | gpt-5.4OpenAI | 78.3 | 來源預設配置 |
| 19 | claude-sonnet-5Anthropic | 78.3 | 來源預設配置 |
| 21 | gpt-5.5OpenAI | 78.2 | 來源預設配置 |
| 22 | gpt-5.6-terraOpenAI | 78 | 來源預設配置 |
| 23 | zai-org/GLM-5.2Z.ai | 77.9 | 來源預設配置 |
| 24 | claude-opus-4-6Anthropic | 77.7 | 來源預設配置 |
| 25 | gemini-3.8-flashGoogle | 76.8 | 來源預設配置 |
| 26 | deepseek-ai/DeepSeek-V4-ProDeepSeek | 75.6 | 來源預設配置 |
| 27 | gpt-5.6-lunaOpenAI | 75.5 | 來源預設配置 |
| 28 | moonshotai/Kimi-K2.5Moonshot AI | 74.9 | 來源預設配置 |
| 29 | Altworld/Hemmingway-1— | 74.2 | 來源預設配置 |
| 30 | deepseek-v4.1-flashDeepSeek | 74 | 來源預設配置 |
| 31 | XiaomiMiMo/MiMo-V2.5-ProXiaomi | 73.7 | 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。