AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
Creative Writing v3
EQ-Bench Creative Writing v3 is an LLM-judged creative writing benchmark that evaluates models across 32 writing prompts with 3 iterations per prompt. Uses a hybrid scoring system combining rubric assessment and Elo ratings through pairwise comparisons. Challenges models in areas like humor, romance, spatial awareness, and unique perspectives to assess emotional intelligence and creative writing capabilities.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 13
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Qwen3-235B-A22B-Instruct-2507 | 0.875 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.865 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Thinking-2507 | 0.861 | 未收录 | 未收录 | 2025-07-25 · model_announcement | LLM Stats |
| Grok-4.1 Thinking | 0.86095 | 未收录 | 未收录 | 2025-11-17 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Thinking | 0.857 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Instruct | 0.856 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Grok-4.1 | 0.8543 | 未收录 | 未收录 | 2025-11-17 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.853 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Instruct | 0.846 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Thinking | 0.833 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Thinking | 0.825 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 8B Thinking | 0.824 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 4B Thinking | 0.761 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |