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 AIHOT 中仅供参考
所属领域—
上游数据时间11/08 08:00
最近成功同步11/09 14:05

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。

AIHOT 怎么用它

写作目前不计分,只作参考。

评测成绩

同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。

原榜名次原榜型号原始成绩代表配置
1Gemini 4 Argon (High)Google1,525.7High 推理
2Gemini 4 Carbon (High)Google1,518.4High 推理
3Claude Opus 5.5 (High)Anthropic1,516.8High 推理
4Claude Fable 5 (High)Anthropic1,501.4High 推理
5Claude Opus 4.6 (High)Anthropic1,498.4High 推理
6Muse Wonder (Max)Meta1,493.5Max 推理
7Claude Fable 5.1 (Max)Anthropic1,489.8Max 推理
8Claude Opus 4.7 (High)Anthropic1,489High 推理
9Gemini 3.8 Flash (High)Google1,488.8High 推理
10Gemini 3.7 Flash (High)Google1,487.1High 推理
11Gemini 3 ProGoogle1,484.2来源默认配置
13Gemini 3.1 Pro PreviewGoogle1,481.9来源默认配置
15Claude Opus 5 (Max)Anthropic1,473.1Max 推理
16Qwen3.8-MaxAlibaba1,471.6来源默认配置
17Gemini 3.6 Flash (High)Google1,471.1High 推理
19GPT-5.6 Sol (xHigh)OpenAI1,471xHigh 推理
20Claude Opus 4.8 (High)Anthropic1,469.9High 推理
22Claude Opus 4.5 (High, 32K, 20251101)Anthropic1,469High 推理
23Muse Spark 1.3 (Max)Meta1,467Max 推理
24Claude Sonnet 5.5 (xHigh)Anthropic1,465.4xHigh 推理
25Gemini 3.5 Flash (High)Google1,465.2High 推理
26Grok 4.20 Beta 1xAI1,464.4来源默认配置
27Muse SparkMeta1,464.3来源默认配置
30Kimi K3 (Max)Moonshot AI1,459.3Max 推理
31GLM-5.3 (Max)Z.ai1,456.6Max 推理
32Gemini 3 FlashGoogle1,456.2来源默认配置
33GPT-5.5 InstantOpenAI1,454.8来源默认配置
35Grok 4.5xAI1,451.4来源默认配置
36GLM-5.2 (Max)Z.ai1,450.6Max 推理
37GPT-5.5 (High)OpenAI1,450.3High 推理
评测局限与数据署名

写作目前不计分,只作参考。

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。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。