跳到正文

Arena Creative Writing

LMArena · 真人盲选故事、诗歌和其他创意表达,观察作品是否吸引读者。

官方评测
在 kuakeAI头条 中参与排名
证据预算6.3%
上游数据时间11/18 08:00
最近成功同步11/19 20:05

它测什么,怎么测

读取官方数据集 text_style_control 的 creative_writing 分类,采用风格控制后的 Bradley–Terry 分与置信区间;不借用整体文本或职业写作分类成绩。

如何使用这份证据

通过单型号协议核验后,在所属能力领域的题族份额内参与参考排序;同题族的测量不增加题族总份额。实际生效份额见当前计算记录。

评测成绩

按固定规则,每个公开模型采用一套代表配置;没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示,保留原榜名次,每项最多 30 个。

原榜名次原榜型号原始成绩代表配置
1Gemini 4 Argon (High)Google1,521.1High 推理
2Claude Opus 5.5 (High)Anthropic1,515.9High 推理
3Gemini 4 Carbon (High)Google1,514.7High 推理
4Gemini 4 Neon (High)Google1,513.5High 推理
5Claude Fable 5 (High)Anthropic1,501.4High 推理
6Claude Opus 4.6 (High)Anthropic1,498.3High 推理
7Claude Fable 5.1 (Max)Anthropic1,491.9Max 推理
8Gemini 4 Hydrogen (High)Google1,490.5High 推理
9Gemini 3.8 Flash (High)Google1,489.3High 推理
10Claude Opus 4.7 (High)Anthropic1,489.1High 推理
11Muse Wonder (Max)Meta1,488Max 推理
12Gemini 3.7 Flash (High)Google1,487High 推理
13Gemini 3 ProGoogle1,484.3来源默认配置
14Gemini 3.1 Pro PreviewGoogle1,481.7来源默认配置
17Claude Opus 5 (Max)Anthropic1,473Max 推理
18Qwen3.8-MaxAlibaba1,472.8来源默认配置
19Gemini 3.6 Flash (High)Google1,471.4High 推理
20GPT-5.6 Sol (xHigh)OpenAI1,471.2xHigh 推理
22Claude Opus 4.8 (High)Anthropic1,470.2High 推理
24Claude Opus 4.5 (High, 32K, 20251101)Anthropic1,469.2High 推理
25Muse Spark 1.3 (Max)Meta1,468.7Max 推理
26Gemini 3.5 Flash (High)Google1,464.8High 推理
27Muse SparkMeta1,464.5来源默认配置
28Grok 4.20 Beta 1xAI1,464来源默认配置
31Kimi K3 (Max)Moonshot AI1,460.3Max 推理
32Claude Sonnet 5.5 (xHigh)Anthropic1,460.1xHigh 推理
33GLM-5.3 (Max)Z.ai1,456.8Max 推理
34Gemini 3 FlashGoogle1,456.5来源默认配置
35Kimi K3.1 Pro (Max)Moonshot AI1,455.7Max 推理
37GPT-5.5 InstantOpenAI1,454.5来源默认配置
评测局限与数据署名

开放用户提示由分类器归类,并非全部为长篇小说或中文创作;投票包含个人偏好。与 Arena 整体文本及职业写作分类存在重叠,不能作为额外独立机构。

数据许可:CC BY 4.0 · Arena 官方 Hugging Face leaderboard-dataset;保留署名、来源链接并说明聚合改动。

成绩由 LMArena 发布,各项原始分数使用不同尺度,不能直接相加;参考位次采用公开的分差标准化规则。