北京时间

Longform Writing

EQ-Bench · 长篇故事的连贯性与完整性

在由来科技中参与排名

证据预算2.4%

上游数据时间09/24 15:57

最近成功同步09/29 08:05

它测什么，怎么测

采用 overall_score_100；八章长文的情节与表达评分，裁判偏好作为局限披露。

如何使用这份证据

正式计分；两张写作榜合计占 6%，不按题数或模型数增加权重。

评测成绩

按固定规则，每个公开模型采用一套代表配置。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
1	claude-opus-5Anthropic	86.3	来源默认配置
2	claude-fable-5-1Anthropic	85.3	来源默认配置
3	claude-opus-5-5Anthropic	84.6	来源默认配置
4	claude-fable-5Anthropic	83	来源默认配置
4	grok-4.7xAI	83	来源默认配置
6	gpt-6-astraOpenAI	82.8	来源默认配置
6	muse-spark-1.3Meta	82.8	来源默认配置
6	gpt-6-solOpenAI	82.8	来源默认配置
9	aion-3.5aion-labs	82.1	来源默认配置
10	claude-opus-4-7Anthropic	81.8	来源默认配置
10	GLM-5.3Z.ai	81.8	来源默认配置
12	gpt-5.6-solOpenAI	81.7	来源默认配置
13	muse-spark-1.2Meta	81.5	来源默认配置
14	claude-opus-4-8Anthropic	80.8	来源默认配置
15	claude-sonnet-4-6Anthropic	79.9	来源默认配置
17	kimi-k3Moonshot AI	79.6	来源默认配置
18	moonshotai/Kimi-K2.6Moonshot AI	78.5	来源默认配置
19	claude-sonnet-5Anthropic	78.3	来源默认配置
19	gpt-5.4OpenAI	78.3	来源默认配置
21	gpt-5.5OpenAI	78.2	来源默认配置
22	gpt-5.6-terraOpenAI	78	来源默认配置
23	zai-org/GLM-5.2Z.ai	77.9	来源默认配置
24	claude-opus-4-6Anthropic	77.7	来源默认配置
25	gemini-3.8-flashGoogle	76.8	来源默认配置
26	deepseek-ai/DeepSeek-V4-ProDeepSeek	75.6	来源默认配置
27	gpt-5.6-lunaOpenAI	75.5	来源默认配置
28	moonshotai/Kimi-K2.5Moonshot AI	74.9	来源默认配置
29	Altworld/Hemmingway-1—	74.2	来源默认配置
30	deepseek-v4.1-flashDeepSeek	74	来源默认配置
31	XiaomiMiMo/MiMo-V2.5-ProXiaomi	73.7	来源默认配置

评测局限与数据署名

以英文写作为主，依赖模型裁判；同一裁判和相关任务共用预算，不代表中文文笔。

数据许可：MIT · EQ-bench-site README 元数据声明

成绩由 EQ-Bench 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。