BenchLeader

EQ-Bench Creative Writing v3 排行榜

截至 2026年11月16日,EQ-Bench Creative Writing v3 的最高分为 2177,由 GPT-6 Astra(OpenAI)取得,领先于 Kimi K3.1 Pro(2173)。共有 125 个模型配置公布了结果(EQ-Bench)。针对 32 个写作提示的短篇创作,由大模型评审两两比较,换算成 Elo 式评分。EQ-Bench Creative Writing v3 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT-6 Astra 以 2177 保持 EQ-Bench Creative Writing v3 最高分(EQ-Bench,2026年11月16日)。
  • Kimi K3.1 Pro 以 2173 位列 EQ-Bench Creative Writing v3 第二(EQ-Bench,2026年11月16日)。
  • EQ-Bench Creative Writing v3:针对 32 个写作提示的短篇创作,由大模型评审两两比较,换算成 Elo 式评分(EQ-Bench)。
  • BenchLeader 上有 125 个模型配置公布了 EQ-Bench Creative Writing v3 结果(BenchLeader,2026年11月16日)。
  • EQ-Bench Creative Writing v3 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

针对 32 个写作提示的短篇创作,由大模型评审两两比较,换算成 Elo 式评分。

发布方
EQ-Bench
类别
人类偏好
Index 权重
仅作参考
模型
125
数据截至
2026年11月16日

MIT — EQ-Bench.

125 / 125
#
1GPT-6 Astra217766.4
2Kimi K3.1 Pro217361.8
3Claude Fable 5.1215566.4
4Claude Opus 5213563.2
5GPT-6 Sol2126–
6Kimi K3208360.7
7GLM 5.32076–
8Claude Opus 5.5205161.0
9Grok 4.72012–
10Muse Wonder200764.4
11GPT-5.6 Sol197454.3
12Ox Alpha1974–
13Claude Fable 5194465.4
14Muse Spark 1.1192862.2
15Claude Opus 4.7191563.1
16Muse Spark 1.3190761.6
17GPT-5.6 Terra1856–
18GPT-5.5184561.0
19Qwen3.8 2.4T A95B184451.4
20Muse Spark 1.21842–
21GPT-5.4184157.9
22Claude Opus 4.8184058.7
23GPT-5.6 Luna183247.2
24Claude Sonnet 4.6181157.6
25Claude Opus 4.6181062.1
26Muse Glimmer180454.4
27Claude Sonnet 5179853.0
28GLM 5.2175951.9
29Gemini 4 Argon175864.4
30Gemini 3.8 Flash174456.4
31Kimi K2.6172155.1
32Gemini 3.7 Flash1720–
33GPT-5.2170356.7
34Nemotron 3 Ultra 550B A55B NVFP41692–
35GPT-5.3 Chat169058.3
36Claude Opus 4.5168657.1
37Claude Sonnet 4.5167753.8
38o3167560.4
39Qwen3.8 27B167155.1
40Kimi K2166651.1
41GPT-5.4 Mini1665–
42Kimi K2 Thinkingthinking163152.3
43GPT-5162656.6
44Inkling160950.4
45Gemini 3.6 Flash160249.3
46GLM-5160154.9
47GLM 5.1159455.4
48Kimi K2.5157954.6
49Claude Opus 4157851.9
50Grok 4.5157659.3
51Grok 4.201574–
52DeepSeek V4 Flash155953.8
53Gemini 3.5 Flash Lite155951.4
54DeepSeek V4 Pro155353.0
55DeepSeek V4.1 Flash1540–
56Gemini 3 Pro152460.0
57DeepSeek V3.2151550.2
58GPT-4o150142.8
59DeepSeek R1150047.2
60MiMo-V2.5-Pro149355.5

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 Creative Writing v3 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/eqbench_creative_writing。

EQ-Bench Creative Writing v3:常见问题

EQ-Bench Creative Writing v3 衡量的是什么?
针对 32 个写作提示的短篇创作,由大模型评审两两比较,换算成 Elo 式评分。分数以基于两两对比的 Elo 式评分表示,越高越好。
EQ-Bench Creative Writing v3 的最高分是多少?
截至 2026年11月16日,EQ-Bench Creative Writing v3 的最高分为 2177,由 GPT-6 Astra 取得,领先于 Kimi K3.1 Pro(2173)。分数来自 EQ-Bench,每天重新读取。
哪个 AI 模型在 EQ-Bench Creative Writing v3 上领先?
截至 2026年11月16日,EQ-Bench Creative Writing v3 排名第一的是 GPT-6 Astra,分数为 2177。其后为 Kimi K3.1 Pro(2173)。
有多少模型有 EQ-Bench Creative Writing v3 结果?
BenchLeader 上有 125 个模型配置有 EQ-Bench Creative Writing v3 结果,全部取自 EQ-Bench。
EQ-Bench Creative Writing v3 由谁运行,多久更新一次?
EQ-Bench Creative Writing v3 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 Creative Writing v3 是否计入 BenchLeader Index?
不计入。EQ-Bench Creative Writing v3 仅作参考展示,不计入综合分数。