Creative Writing v3

EQ-Bench · 短篇创作与表达

在 AI Insight Hub 中参与排名

证据预算3.6%

上游数据时间09/24 15:57

最近成功同步10/03 20:05

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

正式计分；两张写作榜合计占 6%，不按题数或模型数增加权重。

评测成绩

按固定规则，每个公开模型采用一套代表配置。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-astra—	2,173.3	来源默认配置
2	claude-fable-5-1—	2,162	来源默认配置
3	claude-opus-5—	2,132.6	来源默认配置
4	gpt-6-sol—	2,124.7	来源默认配置
5	kimi-k3—	2,082.3	来源默认配置
6	GLM-5.3—	2,075	来源默认配置
7	claude-opus-5-5—	2,050.1	来源默认配置
8	grok-4.7—	2,006.7	来源默认配置
9	ox-alpha—	1,971.7	来源默认配置
10	gpt-5.6-sol—	1,971.6	来源默认配置
11	claude-fable-5—	1,943.1	来源默认配置
12	aion-3.5—	1,929.3	来源默认配置
13	muse-spark-1.1—	1,927.1	来源默认配置
14	claude-opus-4-7—	1,914.3	来源默认配置
15	Altworld/Hemmingway-1—	1,906.4	来源默认配置
16	muse-spark-1.3—	1,905.9	来源默认配置
17	gpt-5.6-terra—	1,854.9	来源默认配置
18	gpt-5.5—	1,843.9	来源默认配置
19	Qwen/Qwen3.8-2.4T-A95B—	1,842.5	来源默认配置
20	muse-spark-1.2—	1,840.4	来源默认配置
21	claude-opus-4-8—	1,839.8	来源默认配置
22	gpt-5.4—	1,839.7	来源默认配置
23	gpt-5.6-luna—	1,828.7	来源默认配置
24	claude-sonnet-4-6—	1,810.4	来源默认配置
25	claude-opus-4-6—	1,809.1	来源默认配置
26	meta-models/Muse-Glimmer-30B—	1,798.3	来源默认配置
27	claude-sonnet-5—	1,794	来源默认配置
28	space-bunny-alpha—	1,784.3	来源默认配置
29	zai-org/GLM-5.2—	1,756.5	来源默认配置
30	gemini-3.8-flash—	1,747.9	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，原始分数与 AI Insight Hub 共识分使用不同尺度，不能直接相加。