Longform Writing

Name: Longform Writing
Creator: EQ-Bench

EQ-Bench · Cohérence et complétude de longs récits

Évaluation officielle

dans le Actu Créaflash surClassé

Budget de preuves3.1%

Date des données amont09/24 15:57

Dernière synchronisation réussie10/03 20:40

Ce qu'il mesure, comment il le mesure

Utilise le score overall_score_100 ;Note de l'intrigue et de l'expression d'un texte long en huit chapitres, les préférences du juge étant signalées comme limite.

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'origine	Modèle au classement d'origine	Score brut	Configuration de référence
1	claude-opus-5Anthropic	86.3	Configuration par défaut de la source
2	claude-fable-5-1Anthropic	85.3	Configuration par défaut de la source
3	claude-opus-5-5Anthropic	84.6	Configuration par défaut de la source
4	grok-4.7xAI	83	Configuration par défaut de la source
4	claude-fable-5Anthropic	83	Configuration par défaut de la source
6	gpt-6-solOpenAI	82.8	Configuration par défaut de la source
6	muse-spark-1.3Meta	82.8	Configuration par défaut de la source
6	gpt-6-astraOpenAI	82.8	Configuration par défaut de la source
9	aion-3.5aion-labs	82.1	Configuration par défaut de la source
10	GLM-5.3Z.ai	81.8	Configuration par défaut de la source
10	claude-opus-4-7Anthropic	81.8	Configuration par défaut de la source
12	gpt-5.6-solOpenAI	81.7	Configuration par défaut de la source
13	muse-spark-1.2Meta	81.5	Configuration par défaut de la source
14	claude-opus-4-8Anthropic	80.8	Configuration par défaut de la source
15	claude-sonnet-4-6Anthropic	79.9	Configuration par défaut de la source
17	kimi-k3Moonshot AI	79.6	Configuration par défaut de la source
18	moonshotai/Kimi-K2.6Moonshot AI	78.5	Configuration par défaut de la source
19	gpt-5.4OpenAI	78.3	Configuration par défaut de la source
19	claude-sonnet-5Anthropic	78.3	Configuration par défaut de la source
21	gpt-5.5OpenAI	78.2	Configuration par défaut de la source
22	gpt-5.6-terraOpenAI	78	Configuration par défaut de la source
23	zai-org/GLM-5.2Z.ai	77.9	Configuration par défaut de la source
24	claude-opus-4-6Anthropic	77.7	Configuration par défaut de la source
25	gemini-3.8-flashGoogle	76.8	Configuration par défaut de la source
26	deepseek-ai/DeepSeek-V4-ProDeepSeek	75.6	Configuration par défaut de la source
27	gpt-5.6-lunaOpenAI	75.5	Configuration par défaut de la source
28	moonshotai/Kimi-K2.5Moonshot AI	74.9	Configuration par défaut de la source
29	Altworld/Hemmingway-1其他	74.2	Configuration par défaut de la source
30	deepseek-v4.1-flashDeepSeek	74	Configuration par défaut de la source
31	XiaomiMiMo/MiMo-V2.5-ProXiaomi	73.7	Configuration 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.