⌘ K
… 读取采集状态 同步中...
雷
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 电商热点雷达 · AI 中参与排名
证据预算5%
上游数据时间10/08 08:00
最近成功同步10/13 02:05

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。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-highGoogle1,519.2High 推理
2claude-opus-5.5-highAnthropic1,517.2High 推理
3claude-fable-5-highAnthropic1,501.5High 推理
4claude-opus-4-6-highAnthropic1,500.3High 推理
5gemini-3.7-flash-highGoogle1,492.3High 推理
6claude-opus-4-7-highAnthropic1,488.7High 推理
7gemini-3.8-flash-highGoogle1,487High 推理
8gemini-3-proGoogle1,484.6来源默认配置
9claude-fable-5.1-maxAnthropic1,483.4Max 推理
11gemini-3.1-pro-previewGoogle1,480.8来源默认配置
14claude-opus-5-maxAnthropic1,470.6Max 推理
15gemini-3.6-flash-highGoogle1,470.5High 推理
16qwen3.8-maxAlibaba1,469.5来源默认配置
17claude-opus-4-5-20251101-high-32kAnthropic1,469.2High 推理 · 32k
18claude-opus-4-8-highAnthropic1,469.2High 推理
20gpt-5.6-sol-xhighOpenAI1,467.8xHigh 推理
21muse-sparkMeta1,464.5来源默认配置
22gemini-3.5-flash-highGoogle1,464.5High 推理
23grok-4.20-beta1xAI1,463.2来源默认配置
24claude-sonnet-5.5-xhighanthropic1,463xHigh 推理
26gpt-6.1-sol-max—1,461.9Max 推理
28kimi-k3-maxMoonshot AI1,460.3来源默认配置
29gemini-3-flashGoogle1,456.9来源默认配置
30muse-spark-1.3-maxMeta1,456.2Max 推理
31gpt-5.5-instantOpenAI1,455.5来源默认配置
32glm-5.3-maxZ.ai1,454.2来源默认配置
34muse-spark-1.2 (xHigh)Meta1,453.5xHigh 推理
35glm-5.2-maxZ.ai1,452.5来源默认配置
36grok-4.5xAI1,451.8来源默认配置
37gpt-5.5-highOpenAI1,451.5High 推理
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 电商热点雷达 · AI 共识分使用不同尺度，不能直接相加。