加载中...
加载中...
Creative Writing v3 是一个用于评估大型语言模型（LLM）创意写作能力的评测基准。该基准采用混合评分系统，旨在更精确地区分不同模型，特别是顶尖模型之间的性能差异。
用顶尖大模型来判断大模型创意写作方面的评测基准
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Kimi K2default | 88.1 | 2025-07-11 | 10000 |
| 2 | OpenAI o3default | 87.65 | 2025-04-16 | 未知 |
| 3 | Qwen3-235B-A22B-2507default | 87.5 | 2025-07-21 | 2350 |
| 4 | DeepSeek-R1-0528default | 86.25 | 2025-05-28 | 6710 |
| 5 | 86.1 | 2025-07-25 | 2350 | |
| 6 | Qwen3-235B-A22B-Thinkingdefault | 86.1 | 2025-07-30 | 305 |
| 7 | Qwen3-30B-A3B-2507default | 86 | 2025-07-29 | 305 |
| 8 | Gemini 2.5-Prodefault | 85.85 | 2025-06-05 | 未知 |
| 9 | Qwen3-Nextdefault | 85.3 | 2025-09-11 | 800 |
| 10 | GPT-4o(2025-03-27)default | 84.9 | 2025-03-27 | 未知 |
| 11 | DeepSeek-R1default | 84.6 | 2025-01-20 | 6710 |
| 12 | Qwen3-235B-A22Bdefault | 84.6 | 2025-04-28 | 2350 |
| 13 | Claude Opus 4default | 83.75 | 2025-05-23 | 未知 |
| 14 | Claude Sonnet 4default | 83.05 | 2025-05-23 | 未知 |
| 15 | DeepSeek-V3default | 81.6 | 2024-12-26 | 6810 |
| 16 | DeepSeek-V3-0324default | 81.6 | 2025-03-24 | 6710 |
| 17 | Qwen3-32Bdefault | 81 | 2025-04-28 | 320 |
| 18 | Qwen3-235B-A22Bdefault | 80.4 | 2025-04-28 | 2350 |
| 19 | Claude 3.5 Sonnet Newdefault | 78.15 | 2024-10-22 | 未知 |
| 20 | Qwen3-8Bdefault | 75 | 2025-04-28 | 80 |
| 21 | Qwen3-30B-A3Bdefault | 68.1 | 2025-04-28 | 305 |
| 22 | Qwen3-8Bdefault | 64.5 | 2025-04-28 | 80 |