跳到正文
评测来源

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 WebAi 中参与排名
证据预算5%
上游数据时间11/11 08:00
最近成功同步11/13 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

正式计分;从原有真人偏好 10% 中拆分 5%,整体文本保留 5%,总预算不增加。与其他 Arena 任务共用证据家族。

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)Google1,522.5High 推理
2Claude Opus 5.5 (High)Anthropic1,517.1High 推理
3Gemini 4 Carbon (High)google1,516.1High 推理
4Claude Fable 5 (High)Anthropic1,501.2High 推理
5Claude Opus 4.6 (High)Anthropic1,498.5High 推理
6Gemini 4 Hydrogen (High)google1,491.8High 推理
7Muse Wonder (Max)meta1,491.3Max 推理
8Claude Fable 5.1 (Max)Anthropic1,490.4Max 推理
9Claude Opus 4.7 (High)Anthropic1,489.4High 推理
10Gemini 3.8 Flash (High)Google1,488.3High 推理
11Gemini 3.7 Flash (High)Google1,487High 推理
12Gemini 3 ProGoogle1,484.1来源默认配置
14Gemini 3.1 Pro PreviewGoogle1,481.7来源默认配置
16Claude Opus 5 (Max)Anthropic1,473.3Max 推理
17Qwen3.8-MaxAlibaba1,471.5来源默认配置
18Gemini 3.6 Flash (High)Google1,471.3High 推理
19GPT-5.6 Sol (xHigh)OpenAI1,471xHigh 推理
21Claude Opus 4.8 (High)Anthropic1,469.9High 推理
23Claude Opus 4.5 (High, 32K, 20251101)Anthropic1,468.9High 推理
24Muse Spark 1.3 (Max)Meta1,467.9Max 推理
25Gemini 3.5 Flash (High)Google1,465.3High 推理
26Muse SparkMeta1,464.3来源默认配置
27Grok 4.20 Beta 1xAI1,464.2来源默认配置
29Claude Sonnet 5.5 (xHigh)—1,463.7xHigh 推理
31Kimi K3 (Max)Moonshot AI1,459.1Max 推理
32Gemini 3 FlashGoogle1,456.3来源默认配置
33GLM-5.3 (Max)Z.ai1,455.8Max 推理
35GPT-5.5 InstantOpenAI1,454.3来源默认配置
36Kimi K3.1 Pro (Max)moonshot1,453.1Max 推理
37Grok 4.5xAI1,451.5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,原始分数与 WebAi 共识分使用不同尺度,不能直接相加。