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。
- 1Claude Opus 51365
- 2Claude Opus 5.51340
- 3Muse Wonder1325
- 4Kimi K31319
- 5Claude Fable 51313
- 6GPT-5.51295
- 7Claude Opus 4.71293
- 8GPT-6.1 Sol1272
- 9Claude Opus 4.81268
- 10GPT-5.41258
- 11Muse Spark 1.11244
- 12Gemini 4 Argon1236
- 13GPT-5.6 Sol1236
- 14Claude Sonnet 51221
- 15GPT-5.6 Terra1220
32 / 32
| # | ||||
|---|---|---|---|---|
| 1 | 1365 | 63.2 | 2026-10-24 | |
| 2 | 1340 | 61.0 | 2026-10-24 | |
| 3 | 1325 | 64.4 | 2026-10-24 | |
| 4 | 1319 | 60.7 | 2026-10-24 | |
| 5 | 1313 | 65.4 | 2026-10-24 | |
| 6 | 1295 | 61.0 | 2026-10-24 | |
| 7 | 1293 | 63.1 | 2026-10-24 | |
| 8 | 1272 | 62.0 | 2026-10-24 | |
| 9 | 1268 | 58.7 | 2026-10-24 | |
| 10 | 1258 | 57.9 | 2026-10-24 | |
| 11 | 1244 | 62.2 | 2026-10-24 | |
| 12 | 1236 | 64.4 | 2026-10-24 | |
| 13 | 1236 | 54.3 | 2026-10-24 | |
| 14 | 1221 | 53.0 | 2026-10-24 | |
| 15 | 1220 | – | 2026-10-24 | |
| 16 | 1212 | 50.4 | 2026-10-24 | |
| 17 | 1210 | 62.1 | 2026-10-24 | |
| 18 | 1208 | 51.9 | 2026-10-24 | |
| 19 | 1198 | 55.5 | 2026-10-24 | |
| 20 | 1197 | 57.6 | 2026-10-24 | |
| 21 | 1191 | 55.1 | 2026-10-24 | |
| 22 | 1156 | 53.0 | 2026-10-24 | |
| 23 | 1146 | 47.2 | 2026-10-24 | |
| 24 | 1140 | 56.1 | 2026-10-24 | |
| 25 | 1132 | 59.9 | 2026-10-24 | |
| 26 | 1110 | 51.9 | 2026-10-24 | |
| 27 | 1100 | 60.0 | 2026-10-24 | |
| 28 | 1077 | – | 2026-10-24 | |
| 29 | 1065 | 54.5 | 2026-10-24 | |
| 30 | 1053 | 47.7 | 2026-10-24 | |
| 31 | 1015 | 47.9 | 2026-10-24 | |
| 32 | 983 | 46.6 | 2026-10-24 |
相关基准测试
EQ-Bench 4 上的热门模型对比
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。