BenchLeader

EQ-Bench Longform Writingのリーダーボード

2026年11月21日時点で、EQ-Bench Longform Writingの最高スコアは86.3で、Claude Opus 5(Anthropic)が記録しています。次点はClaude Fable 5.1の85.3です。公表された結果があるのは125のモデル構成です(EQ-Bench)。モデルが短いプロンプトから短編または中編小説の構想を練って見直し、約1,000語の章を8つ書き上げる。LLMの審査員が各章と完成作品を評価基準に沿って採点し、0〜100で平均したスコア。EQ-Bench Longform Writingは参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月21日時点)

  • Claude Opus 5がEQ-Bench Longform Writingの最高スコア86.3を記録しています(EQ-Bench、2026年11月21日)。
  • EQ-Bench Longform Writingの2位はClaude Fable 5.1で、85.3です(EQ-Bench、2026年11月21日)。
  • EQ-Bench Longform Writing:モデルが短いプロンプトから短編または中編小説の構想を練って見直し、約1,000語の章を8つ書き上げる。LLMの審査員が各章と完成作品を評価基準に沿って採点し、0〜100で平均したスコア(EQ-Bench)。
  • BenchLeaderでは125のモデル構成にEQ-Bench Longform Writingの公表結果があります(BenchLeader、2026年11月21日)。
  • EQ-Bench Longform WritingはBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

モデルが短いプロンプトから短編または中編小説の構想を練って見直し、約1,000語の章を8つ書き上げる。LLMの審査員が各章と完成作品を評価基準に沿って採点し、0〜100で平均したスコア。

公開元
EQ-Bench
カテゴリ
人間の評価
Indexでの重み
参考のみ
モデル
125
データ基準日
2026年11月21日

MIT — EQ-Bench.

125件中125件
#
1Claude Opus 586.363.2
2Claude Fable 5.185.366.9
3Claude Opus 5.584.662.6
4Claude Fable 58365.1
5Grok 4.783–
6GPT-6 Astra82.868.0
7Muse Spark 1.382.8–
8GPT-6 Sol82.8–
9Claude Opus 4.781.863.0
10GLM 5.381.8–
11GPT-5.6 Sol81.756.4
12Muse Spark 1.281.5–
13Gemini 4 Argon80.963.3
14Claude Opus 4.880.858.5
15Kimi K3.1 Pro79.960.4
16Claude Sonnet 4.679.958.3
17Ox Alpha79.9–
18Kimi K379.660.6
19Kimi K2.678.555.0
20GPT-5.478.357.7
21Claude Sonnet 578.352.5
22GPT-5.578.260.8
23GPT-5.6 Terra78–
24GLM 5.277.951.8
25Claude Opus 4.677.760.7
26Gemini 3.8 Flash76.855.7
27DeepSeek V4 Pro75.652.8
28GPT-5.6 Luna75.547.0
29Kimi K2.574.954.2
30DeepSeek V4.1 Flash74–
31MiMo-V2.5-Pro73.755.5
32GLM 5.173.555.2
33Claude Opus 4.573.156.9
34GPT-5.4 Mini73–
35GPT-572.856.8
36Inkling72.550.2
37Gemini 3.5 Flash71.8–
38GPT-5.271.655.4
39Claude Sonnet 4.571.453.6
40Mimo v2 Pro70.959.0
41GLM-570.954.8
42Muse Spark 1.170.661.6
43Claude Opus 4.170.551.7
44Kimi K2 Thinking6952.2
45Gemini 3 Pro68.860.3
46Grok 4.2068.5–
47Qwen3.5 397B A17B68.351.2
48Gemini 3.1 Pro68.259.5
49Kimi K268.151.0
50DeepSeek V3.266.848.7
51Qwen3 Max66.253.2
52DeepSeek V4 Flash6653.7
53GLM 4.76651.6
54MiniMax M2.565.353.6
55Claude Haiku 4.56547.6
56Kimi K2 090563.851.7
57o362.760.8
58GPT-5.3 Chat62.658.2
59DeepSeek V3.162.348.5
60ChatGPT-4o60.254.7

人間の評価のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「EQ-Bench Longform Writingのリーダーボード」2026年11月21日時点のデータ、https://www.benchleader.com/ja/benchmarks/eqbench_longform_writing

EQ-Bench Longform Writing:よくある質問

EQ-Bench Longform Writingは何を測るベンチマークですか?
モデルが短いプロンプトから短編または中編小説の構想を練って見直し、約1,000語の章を8つ書き上げる。LLMの審査員が各章と完成作品を評価基準に沿って採点し、0〜100で平均したスコア。スコアはスコアで示され、高いほど良い結果です。
EQ-Bench Longform Writingの最高スコアは?
2026年11月21日時点で、EQ-Bench Longform Writingの最高スコアは86.3で、Claude Opus 5が記録しています。次点はClaude Fable 5.1の85.3です。スコアはEQ-Benchの公表値で、毎日読み直しています。
EQ-Bench Longform WritingでトップのAIモデルは?
2026年11月21日時点で、EQ-Bench Longform Writingの首位はClaude Opus 5で、スコアは86.3です。続いてClaude Fable 5.1(85.3)です。
EQ-Bench Longform Writingの結果があるモデルはいくつですか?
BenchLeaderでは125のモデル構成にEQ-Bench Longform Writingの結果があり、すべてEQ-Benchから取得しています。
EQ-Bench Longform Writingを運営しているのは誰で、どのくらいの頻度で更新されますか?
EQ-Bench Longform WritingはEQ-Benchが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
EQ-Bench Longform WritingはBenchLeader Indexに含まれますか?
いいえ。EQ-Bench Longform Writingは参考として掲載していますが、総合スコアには含めていません。