Creative Writing v3
EQ-Bench · 短篇创作与表达
在 daydream 中参与排名
证据预算3.1%
上游数据时间10/24 08:52
最近成功同步10/24 20:06
它测什么，怎么测
官方 CSV 内嵌于数据脚本，采用 Elo；Sonnet 4.6 判胜负，风格、重复率和 rubric 不重复计票。
如何使用这份证据
通过单型号协议核验后，在所属能力领域的题族份额内参与参考排序；同题族的测量不增加题族总份额。实际生效份额见当前计算记录。
评测成绩
按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | gpt-6-astraOpenAI | 2,174 | 来源默认配置 |
| 2 | claude-fable-5-1Anthropic | 2,162.7 | 来源默认配置 |
| 3 | claude-opus-5Anthropic | 2,133.5 | 来源默认配置 |
| 4 | gpt-6-solOpenAI | 2,124.6 | 来源默认配置 |
| 5 | kimi-k3Moonshot AI | 2,083.5 | 来源默认配置 |
| 6 | GLM-5.3Z.ai | 2,076.7 | 来源默认配置 |
| 7 | claude-opus-5-5Anthropic | 2,050.8 | 来源默认配置 |
| 8 | grok-4.7xAI | 2,012.2 | 来源默认配置 |
| 9 | muse-wonderMeta | 2,007 | 来源默认配置 |
| 11 | gpt-5.6-solOpenAI | 1,973.5 | 来源默认配置 |
| 12 | claude-fable-5Anthropic | 1,943.6 | 来源默认配置 |
| 13 | aion-3.5aion-labs | 1,930.6 | 来源默认配置 |
| 14 | muse-spark-1.1Meta | 1,928.2 | 来源默认配置 |
| 15 | claude-opus-4-7Anthropic | 1,915 | 来源默认配置 |
| 16 | Altworld/Hemmingway-1— | 1,907.4 | 来源默认配置 |
| 17 | muse-spark-1.3Meta | 1,907 | 来源默认配置 |
| 18 | gpt-5.6-terraOpenAI | 1,856.3 | 来源默认配置 |
| 19 | gpt-5.5OpenAI | 1,844.6 | 来源默认配置 |
| 20 | Qwen/Qwen3.8-2.4T-A95BAlibaba | 1,843.9 | 来源默认配置 |
| 21 | muse-spark-1.2Meta | 1,842.3 | 来源默认配置 |
| 22 | gpt-5.4OpenAI | 1,840.9 | 来源默认配置 |
| 23 | claude-opus-4-8Anthropic | 1,840.2 | 来源默认配置 |
| 24 | gpt-5.6-lunaOpenAI | 1,831.7 | 来源默认配置 |
| 25 | claude-sonnet-4-6Anthropic | 1,811.2 | 来源默认配置 |
| 26 | claude-opus-4-6Anthropic | 1,810.4 | 来源默认配置 |
| 27 | meta-models/Muse-Glimmer-30BMeta | 1,804.5 | 来源默认配置 |
| 28 | claude-sonnet-5Anthropic | 1,798 | 来源默认配置 |
| 29 | space-bunny-alphastealth | 1,789 | 来源默认配置 |
| 30 | zai-org/GLM-5.2Z.ai | 1,759.3 | 来源默认配置 |
| 31 | gemini-4-argonGoogle | 1,758 | 来源默认配置 |
评测局限与数据署名
以英文写作为主，依赖模型裁判；同一裁判和相关任务共用预算，不代表中文文笔。
数据许可：MIT · EQ-bench-site README 元数据声明
成绩由 EQ-Bench 发布，各项原始分数使用不同尺度，不能直接相加；参考位次采用公开的分差标准化规则。