BenchLeader

EQ-Bench 4 排行榜

截至 2026年11月16日,EQ-Bench 4 的最高分为 1365,由 Claude Opus 5(Anthropic)取得,领先于 Claude Opus 5.5(1340)。共有 32 个模型配置公布了结果(EQ-Bench,结果日期 2026年10月24日)。EQ-Bench 4 把模型放进需要情商的多轮角色扮演场景(例如化解冲突),并由一个评审模型对对话记录进行两两比较。EQ-Bench 4 计入 BenchLeader Index 的人类偏好得分。

要点(截至 2026年11月16日)

  • Claude Opus 5 以 1365 保持 EQ-Bench 4 最高分(EQ-Bench,2026年10月24日)。
  • Claude Opus 5.5 以 1340 位列 EQ-Bench 4 第二(EQ-Bench,2026年10月24日)。
  • EQ-Bench 4:多轮角色扮演中的情商,两两评判后汇总为类似 Elo 的评分(EQ-Bench)。
  • BenchLeader 上有 32 个模型配置公布了 EQ-Bench 4 结果(BenchLeader,2026年11月16日)。
  • EQ-Bench 4 计入 BenchLeader Index 的人类偏好类别(BenchLeader 方法论)。

多轮角色扮演中的情商,两两评判后汇总为类似 Elo 的评分。

发布方
EQ-Bench
类别
人类偏好
Index 权重
0.5
模型
32
数据截至
2026年11月16日

MIT — EQ-Bench.

测试内容

EQ-Bench 4 把模型放进需要情商的多轮角色扮演场景(例如化解冲突),并由一个评审模型对对话记录进行两两比较。

评分方式

根据两两评判得出的类 Elo 评分,由基准测试作者发布。

注意事项

由另一个模型评判,所以会继承评审模型的偏好;而且角色扮演能力并不等于做一个好助手。评分尺度是相对于参评模型而言的。

32 / 32
#
1Claude Opus 5136563.22026-10-24
2Claude Opus 5.5134061.02026-10-24
3Muse Wonder132564.42026-10-24
4Kimi K3131960.72026-10-24
5Claude Fable 5131365.42026-10-24
6GPT-5.5129561.02026-10-24
7Claude Opus 4.7129363.12026-10-24
8GPT-6.1 Sol127262.02026-10-24
9Claude Opus 4.8126858.72026-10-24
10GPT-5.4125857.92026-10-24
11Muse Spark 1.1124462.22026-10-24
12Gemini 4 Argon123664.42026-10-24
13GPT-5.6 Sol123654.32026-10-24
14Claude Sonnet 5122153.02026-10-24
15GPT-5.6 Terra1220–2026-10-24
16Inkling121250.42026-10-24
17Claude Opus 4.6121062.12026-10-24
18GLM 5.2120851.92026-10-24
19MiMo-V2.5-Pro119855.52026-10-24
20Claude Sonnet 4.6119757.62026-10-24
21Kimi K2.6119155.12026-10-24
22DeepSeek V4 Pro115653.02026-10-24
23GPT-5.6 Luna114647.22026-10-24
24MiniMax M3114056.12026-10-24
25Gemini 3.1 Pro113259.92026-10-24
26Gemma 4 31B111051.92026-10-24
27Qwen3.7max110060.02026-10-24
28Gemini 3.5 Flash1077–2026-10-24
29Grok 4.3106554.52026-10-24
30Claude Haiku 4.5105347.72026-10-24
31Qwen3.6 27B101547.92026-10-24
32Mistral Medium 3.598346.62026-10-24

更多人类偏好基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《EQ-Bench 4 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/eqbench4。

EQ-Bench 4:常见问题

EQ-Bench 4 衡量的是什么?
EQ-Bench 4 把模型放进需要情商的多轮角色扮演场景(例如化解冲突),并由一个评审模型对对话记录进行两两比较。分数以基于两两对比的 Elo 式评分表示,越高越好。
EQ-Bench 4 的最高分是多少?
截至 2026年11月16日,EQ-Bench 4 的最高分为 1365,由 Claude Opus 5 取得(结果日期 2026年10月24日),领先于 Claude Opus 5.5(1340)。分数来自 EQ-Bench,每天重新读取。
哪个 AI 模型在 EQ-Bench 4 上领先?
截至 2026年11月16日,EQ-Bench 4 排名第一的是 Claude Opus 5,分数为 1365(结果日期 2026年10月24日)。其后为 Claude Opus 5.5(1340)。
有多少模型有 EQ-Bench 4 结果?
BenchLeader 上有 32 个模型配置有 EQ-Bench 4 结果,全部取自 EQ-Bench。
EQ-Bench 4 由谁运行,多久更新一次?
EQ-Bench 4 由 EQ-Bench 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
EQ-Bench 4 是否计入 BenchLeader Index?
计入。EQ-Bench 4 计入 BenchLeader Index 的人类偏好类别,并经过归一化,使参评模型的平均值为 50。