BenchLeader

EQ-Bench Longform Writing 排行榜

截至 2026年11月21日,EQ-Bench Longform Writing 的最高分为 86.3,由 Claude Opus 5(Anthropic)取得,领先于 Claude Fable 5.1(85.3)。共有 125 个模型配置公布了结果(EQ-Bench)。模型根据简短提示构思并修改一篇短篇或中篇小说的大纲,再分 8 章写成,每章约 1,000 词;由大模型评审按评分标准为各章和完整作品打分,平均后折算为 0–100 分。EQ-Bench Longform Writing 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月21日)

  • Claude Opus 5 以 86.3 保持 EQ-Bench Longform Writing 最高分(EQ-Bench,2026年11月21日)。
  • Claude Fable 5.1 以 85.3 位列 EQ-Bench Longform Writing 第二(EQ-Bench,2026年11月21日)。
  • EQ-Bench Longform Writing:模型根据简短提示构思并修改一篇短篇或中篇小说的大纲,再分 8 章写成,每章约 1,000 词;由大模型评审按评分标准为各章和完整作品打分,平均后折算为 0–100 分(EQ-Bench)。
  • BenchLeader 上有 125 个模型配置公布了 EQ-Bench Longform Writing 结果(BenchLeader,2026年11月21日)。
  • EQ-Bench Longform Writing 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

模型根据简短提示构思并修改一篇短篇或中篇小说的大纲,再分 8 章写成,每章约 1,000 词;由大模型评审按评分标准为各章和完整作品打分,平均后折算为 0–100 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21日

MIT — EQ-Bench.

125 / 125
#
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

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 Longform Writing 排行榜》,数据截至 2026年11月21日,https://www.benchleader.com/zh/benchmarks/eqbench_longform_writing。

EQ-Bench Longform Writing:常见问题

EQ-Bench Longform Writing 衡量的是什么?
模型根据简短提示构思并修改一篇短篇或中篇小说的大纲,再分 8 章写成,每章约 1,000 词;由大模型评审按评分标准为各章和完整作品打分,平均后折算为 0–100 分。分数以分数表示,越高越好。
EQ-Bench Longform Writing 的最高分是多少?
截至 2026年11月21日,EQ-Bench Longform Writing 的最高分为 86.3,由 Claude Opus 5 取得,领先于 Claude Fable 5.1(85.3)。分数来自 EQ-Bench,每天重新读取。
哪个 AI 模型在 EQ-Bench Longform Writing 上领先?
截至 2026年11月21日,EQ-Bench Longform Writing 排名第一的是 Claude Opus 5,分数为 86.3。其后为 Claude Fable 5.1(85.3)。
有多少模型有 EQ-Bench Longform Writing 结果?
BenchLeader 上有 125 个模型配置有 EQ-Bench Longform Writing 结果,全部取自 EQ-Bench。
EQ-Bench Longform Writing 由谁运行,多久更新一次?
EQ-Bench Longform Writing 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 Longform Writing 是否计入 BenchLeader Index?
不计入。EQ-Bench Longform Writing 仅作参考展示,不计入综合分数。