评测来源官方评测
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。
在 前沿雷达 中参与排名
证据预算5%
上游数据时间10/20 08:00
最近成功同步10/21 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。
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 |
|---|---|---|---|
| 1 | Claude Opus 5.5 (High)Anthropic | 1,519.7 | High 推理 |
| 2 | Gemini 4 Argon (High)google | 1,515.8 | High 推理 |
| 3 | Claude Fable 5 (High)Anthropic | 1,500.8 | High 推理 |
| 4 | Claude Opus 4.6 (High)Anthropic | 1,499.8 | High 推理 |
| 5 | Gemini 3.7 Flash (High)Google | 1,490.8 | High 推理 |
| 6 | Muse Wonder (Max)meta | 1,490.4 | Max 推理 |
| 7 | Claude Opus 4.7 (High)Anthropic | 1,489.1 | High 推理 |
| 8 | Claude Fable 5.1 (Max)Anthropic | 1,485.9 | Max 推理 |
| 9 | Gemini 3 ProGoogle | 1,484.7 | 来源默认配置 |
| 10 | Gemini 3.8 Flash (High)Google | 1,484 | High 推理 |
| 12 | Gemini 3.1 Pro PreviewGoogle | 1,480.8 | 来源默认配置 |
| 14 | Claude Opus 5 (Max)Anthropic | 1,472.7 | Max 推理 |
| 15 | Gemini 3.6 Flash (High)Google | 1,471.1 | High 推理 |
| 17 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | 1,469.7 | High 推理 |
| 18 | Claude Opus 4.8 (High)Anthropic | 1,469 | High 推理 |
| 19 | GPT-5.6 Sol (xHigh)OpenAI | 1,469 | xHigh 推理 |
| 21 | Qwen3.8-MaxAlibaba | 1,467.1 | 来源默认配置 |
| 22 | Claude Sonnet 5.5 (xHigh)anthropic | 1,464.9 | xHigh 推理 |
| 23 | Gemini 3.5 Flash (High)Google | 1,464.3 | High 推理 |
| 24 | Muse SparkMeta | 1,464.2 | 来源默认配置 |
| 25 | Grok 4.20 Beta 1xAI | 1,463.6 | 来源默认配置 |
| 27 | Kimi K3 (Max)Moonshot AI | 1,462.5 | Max 推理 |
| 28 | Muse Spark 1.3 (Max)Meta | 1,462.3 | Max 推理 |
| 30 | Gemini 3 FlashGoogle | 1,457.1 | 来源默认配置 |
| 31 | GLM-5.3 (Max)Z.ai | 1,455.2 | Max 推理 |
| 32 | GPT-5.5 InstantOpenAI | 1,455 | 来源默认配置 |
| 33 | GPT-6.1 Sol (Max)openai | 1,454.3 | Max 推理 |
| 35 | GLM-5.2 (Max)Z.ai | 1,453.9 | Max 推理 |
| 36 | GPT-5.5 (High)OpenAI | 1,451.4 | High 推理 |
| 37 | Grok 4.5xAI | 1,451.3 | 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 前沿雷达 共识分使用不同尺度，不能直接相加。