Aller au contenu

Creative Writing v3

EQ-Bench · Création courte et expression

Évaluation officielle
dans le Actu Créaflash surClassé
Budget de preuves3.1%
Date des données amont10/29 02:36
Dernière synchronisation réussie11/18 08:05

Ce qu'il mesure, comment il le mesure

CSV officiel intégré au script de données, avec Elo ; Sonnet 4.6 juge les vainqueurs, et le style, le taux de répétition et la rubric ne sont pas comptés à nouveau.

Comment utiliser ces preuves

Après vérification via le protocole mono-modèle, participe au classement de référence dans la limite de la part de la famille de questions du domaine de compétence concerné ; les mesures d'une même famille de questions n'augmentent pas la part totale de la famille. La part effective figure dans l'enregistrement de calcul en cours.

Scores d'évaluation

Selon des règles fixes, chaque modèle public utilise une configuration représentative ; les modèles sans configuration admissible sont marqués comme non pris en compte, avec la raison indiquée. Les modèles testés de façon anonyme ne sont pas affichés, leur rang d'origine est conservé, avec un maximum de 30 par entrée.

Rang sur le classement d'origineModèle au classement d'origineScore brutConfiguration de référence
1gpt-6-astraOpenAI2,176.9Configuration par défaut de la source
2kimi-k3.1-proMoonshot AI2,172.6Configuration par défaut de la source
3claude-fable-5-1Anthropic2,155.3Configuration par défaut de la source
4claude-opus-5Anthropic2,135Configuration par défaut de la source
5gpt-6-solOpenAI2,126Configuration par défaut de la source
6kimi-k3Moonshot AI2,083.3Configuration par défaut de la source
7GLM-5.3Z.ai2,076.4Configuration par défaut de la source
8claude-opus-5-5Anthropic2,050.9Configuration par défaut de la source
9grok-4.7xAI2,012.2Configuration par défaut de la source
10muse-wonderMeta2,007Configuration par défaut de la source
12gpt-5.6-solOpenAI1,973.5Configuration par défaut de la source
13claude-fable-5Anthropic1,943.6Configuration par défaut de la source
14aion-3.5aion-labs1,930.6Configuration par défaut de la source
15muse-spark-1.1Meta1,928.2Configuration par défaut de la source
16claude-opus-4-7Anthropic1,914.9Configuration par défaut de la source
17Altworld/Hemmingway-1其他1,907.4Configuration par défaut de la source
18muse-spark-1.3Meta1,906.9Configuration par défaut de la source
19gpt-5.6-terraOpenAI1,856.2Configuration par défaut de la source
20gpt-5.5OpenAI1,844.5Configuration par défaut de la source
21Qwen/Qwen3.8-2.4T-A95BAlibaba1,843.8Configuration par défaut de la source
22muse-spark-1.2Meta1,842.2Configuration par défaut de la source
23gpt-5.4OpenAI1,840.8Configuration par défaut de la source
24claude-opus-4-8Anthropic1,840.1Configuration par défaut de la source
25gpt-5.6-lunaOpenAI1,831.5Configuration par défaut de la source
26claude-sonnet-4-6Anthropic1,811Configuration par défaut de la source
27claude-opus-4-6Anthropic1,810.3Configuration par défaut de la source
28meta-models/Muse-Glimmer-30BMeta1,804.3Configuration par défaut de la source
29claude-sonnet-5Anthropic1,797.9Configuration par défaut de la source
30space-bunny-alphastealth1,788.9Configuration par défaut de la source
31zai-org/GLM-5.2Z.ai1,759.2Configuration par défaut de la source
Limites de l'évaluation et attribution des données

Principalement centré sur l'écriture en anglais et dépendant d'un juge modèle ; le même juge et les tâches associées partagent le budget, ce qui ne reflète pas le style d'écriture en chinois.

Licence des données :MIT · EQ-bench-site README déclaration de métadonnées

Résultats publiés par EQ-Bench ; les scores bruts de chaque épreuve utilisent des échelles différentes et ne peuvent pas être additionnés directement ; le rang de référence applique des règles publiques de normalisation des écarts.