EQ-Bench Creative Writing v3
2026-10-29 · 文档与文案
- 测什么
- 模型在创意写作提示上的表现：人物与洞察、趣味与原创、行文质量、情节与人物连贯、遵从提示、世界与氛围，以及少套话、少炫技词汇、少堆砌比喻。
- 怎么测
- EQ-Bench Creative Writing v3。32 道写作题各跑 3 次（共 96 条），temp 0.7、min_p 0.1。Claude 4 Sonnet 按 rubric 打绝对分；再用 Claude Sonnet 4.6 与邻近模型成对对战（Glicko，按 + 档计入胜幅），得到相对 Elo。成对评前截断到 4000 字符，并双向评以控制位置偏好。
- 分数含义
- 榜单主指标是归一化 Elo（越高越好）。相对分会随新模型加入漂移，故锚定 DeepSeek-R1 = 1500、ministral-3b = 200。综合分按竞技场规则：相对榜首的预期胜率 × 2（榜首 100）。Rubric、Slop、Repetition、Length 等列是来源页辅助指标，不进本站综合分。
- 注意
- LLM 裁判有自我偏好与审美偏差；官方说明这不是角色扮演评测，也不代表你的口味。只测英文。来源页标 🆕 的是新上榜模型，不是本站的「初步」半权行。
- 更新
- 来源 https://eqbench.com/creative_writing.html ；方法说明 https://eqbench.com/about.html#creative-writing-v3 ；评测代码 https://github.com/EQ-bench/creative-writing-bench 。本页于 2026-10-29 从来源页 creative_writing.js（v=1.0.91）嵌入的榜单 CSV 抓取全部 146 行，按 Elo 降序。
完整榜单
146
| # | 模型 | 分数 |
|---|
| 1 | gpt-6-astra | 2176.9 |
| 2 | kimi-k3.1-pro | 2172.6 |
| 3 | claude-fable-5-1 | 2155.3 |
| 4 | claude-opus-5 | 2135.0 |
| 5 | gpt-6-sol | 2126.0 |
| 6 | kimi-k3 | 2083.3 |
| 7 | GLM-5.3 | 2076.4 |
| 8 | claude-opus-5-5 | 2050.9 |
| 9 | grok-4.7 | 2012.2 |
| 10 | muse-wonder | 2007.0 |
| 11 | Oox-alpha | 1973.7 |
| 12 | gpt-5.6-sol | 1973.5 |
| 13 | claude-fable-5 | 1943.6 |
| 14 | Aaion-3.5 | 1930.6 |
| 15 | muse-spark-1.1 | 1928.2 |
| 16 | Cclaude-opus-4-7 | 1914.9 |
| 17 | AAltworld/Hemmingway-1 | 1907.4 |
| 18 | muse-spark-1.3 | 1906.9 |
| 19 | gpt-5.6-terra | 1856.2 |
| 20 | gpt-5.5 | 1844.5 |