評価の出典公式の評価
Creative Writing v3
EQ-Bench · 短編創作と表現
News での扱い順位に反映
根拠の配分3.6%
元データの時点10/29 02:36
最後に同期に成功11/16 02:05
何をどう測るか
公式CSVはデータスクリプトに埋め込まれ、Eloを採用。Sonnet 4.6が勝敗を判定し、スタイル、重複率、rubricは重複して票を数えない。
この根拠の使い方
正式に採点。2つのライティングランキングを合わせて6%を占め、問題数やモデル数に応じてウェイトを増やさない。
評価結果
固定ルールに従い、各公開モデルは代表的な構成を1つ採用する。匿名テスト型番は表示せず、元のランキング順位を保持し、各項目は最大30件。
| 元の順位 | 元のモデル名 | 元のスコア | 代表的な設定 |
|---|---|---|---|
| 1 | gpt-6-astraOpenAI | 2,176.9 | 情報源のデフォルト構成 |
| 2 | kimi-k3.1-promoonshot | 2,172.6 | 情報源のデフォルト構成 |
| 3 | claude-fable-5-1Anthropic | 2,155.3 | 情報源のデフォルト構成 |
| 4 | claude-opus-5Anthropic | 2,135 | 情報源のデフォルト構成 |
| 5 | gpt-6-solOpenAI | 2,126 | 情報源のデフォルト構成 |
| 6 | kimi-k3Moonshot AI | 2,083.3 | 情報源のデフォルト構成 |
| 7 | GLM-5.3Z.ai | 2,076.4 | 情報源のデフォルト構成 |
| 8 | claude-opus-5-5Anthropic | 2,050.9 | 情報源のデフォルト構成 |
| 9 | grok-4.7xAI | 2,012.2 | 情報源のデフォルト構成 |
| 10 | muse-wondermeta | 2,007 | 情報源のデフォルト構成 |
| 11 | ox-alpha— | 1,973.7 | 情報源のデフォルト構成 |
| 12 | gpt-5.6-solOpenAI | 1,973.5 | 情報源のデフォルト構成 |
| 13 | claude-fable-5Anthropic | 1,943.6 | 情報源のデフォルト構成 |
| 14 | aion-3.5aion-labs | 1,930.6 | 情報源のデフォルト構成 |
| 15 | muse-spark-1.1Meta | 1,928.2 | 情報源のデフォルト構成 |
| 16 | claude-opus-4-7Anthropic | 1,914.9 | 情報源のデフォルト構成 |
| 17 | Altworld/Hemmingway-1— | 1,907.4 | 情報源のデフォルト構成 |
| 18 | muse-spark-1.3Meta | 1,906.9 | 情報源のデフォルト構成 |
| 19 | gpt-5.6-terraOpenAI | 1,856.2 | 情報源のデフォルト構成 |
| 20 | gpt-5.5OpenAI | 1,844.5 | 情報源のデフォルト構成 |
| 21 | Qwen/Qwen3.8-2.4T-A95BAlibaba | 1,843.8 | 情報源のデフォルト構成 |
| 22 | muse-spark-1.2Meta | 1,842.2 | 情報源のデフォルト構成 |
| 23 | gpt-5.4OpenAI | 1,840.8 | 情報源のデフォルト構成 |
| 24 | claude-opus-4-8Anthropic | 1,840.1 | 情報源のデフォルト構成 |
| 25 | gpt-5.6-lunaOpenAI | 1,831.5 | 情報源のデフォルト構成 |
| 26 | claude-sonnet-4-6Anthropic | 1,811 | 情報源のデフォルト構成 |
| 27 | claude-opus-4-6Anthropic | 1,810.3 | 情報源のデフォルト構成 |
| 28 | meta-models/Muse-Glimmer-30BMeta | 1,804.3 | 情報源のデフォルト構成 |
| 29 | claude-sonnet-5Anthropic | 1,797.9 | 情報源のデフォルト構成 |
| 30 | space-bunny-alphastealth | 1,788.9 | 情報源のデフォルト構成 |
評価の限界とデータの出典
主に英語ライティングで、モデル審判に依存する。同一審判と関連タスクは予算を共有し、中国語の文章力を示すものではない。
データのライセンス：MIT · EQ-bench-site README メタデータの声明
スコアは EQ-Bench が公開。元のスコアと News のコンセンサススコアは尺度が異なるため、直接合算できない。