評価ソース公式サイト
Longform Writing
EQ-Bench · 長編物語の一貫性と完成度
AIサイシン での扱いランキング採用
配分2.4%
元データの日時09/24 16:57
最終同期10/24 02:22
何を、どう測るか
overall_score_100 を採用する。8 章構成の長文について筋立てと表現を採点し、審査員の好みは限界として開示する。
当サイトでの使い方
正式に採点する。2 つの文章系ランキングで合計 6% を占め、問題数やモデル数に応じて重みを増やさない。
評価成績
一定のルールに従い、公開モデルごとに代表的な構成を一つ採用する。匿名のテスト版モデルは表示せず、元の順位をそのまま残す。各項目最大 30 件。
| 元の順位 | モデル名 | 元スコア | 代表構成 |
|---|---|---|---|
| 1 | claude-opus-5Anthropic | 86.3 | ソース既定の構成 |
| 2 | claude-fable-5-1Anthropic | 85.3 | ソース既定の構成 |
| 3 | claude-opus-5-5Anthropic | 84.6 | ソース既定の構成 |
| 4 | grok-4.7xAI | 83 | ソース既定の構成 |
| 4 | claude-fable-5Anthropic | 83 | ソース既定の構成 |
| 6 | gpt-6-astraOpenAI | 82.8 | ソース既定の構成 |
| 6 | muse-spark-1.3Meta | 82.8 | ソース既定の構成 |
| 6 | gpt-6-solOpenAI | 82.8 | ソース既定の構成 |
| 9 | aion-3.5aion-labs | 82.1 | ソース既定の構成 |
| 10 | claude-opus-4-7Anthropic | 81.8 | ソース既定の構成 |
| 10 | GLM-5.3Z.ai | 81.8 | ソース既定の構成 |
| 12 | gpt-5.6-solOpenAI | 81.7 | ソース既定の構成 |
| 13 | muse-spark-1.2Meta | 81.5 | ソース既定の構成 |
| 14 | claude-opus-4-8Anthropic | 80.8 | ソース既定の構成 |
| 15 | claude-sonnet-4-6Anthropic | 79.9 | ソース既定の構成 |
| 15 | ox-alpha— | 79.9 | ソース既定の構成 |
| 17 | kimi-k3Moonshot AI | 79.6 | ソース既定の構成 |
| 18 | moonshotai/Kimi-K2.6Moonshot AI | 78.5 | ソース既定の構成 |
| 19 | gpt-5.4OpenAI | 78.3 | ソース既定の構成 |
| 19 | claude-sonnet-5Anthropic | 78.3 | ソース既定の構成 |
| 21 | gpt-5.5OpenAI | 78.2 | ソース既定の構成 |
| 22 | gpt-5.6-terraOpenAI | 78 | ソース既定の構成 |
| 23 | zai-org/GLM-5.2Z.ai | 77.9 | ソース既定の構成 |
| 24 | claude-opus-4-6Anthropic | 77.7 | ソース既定の構成 |
| 25 | gemini-3.8-flashGoogle | 76.8 | ソース既定の構成 |
| 26 | deepseek-ai/DeepSeek-V4-ProDeepSeek | 75.6 | ソース既定の構成 |
| 27 | gpt-5.6-lunaOpenAI | 75.5 | ソース既定の構成 |
| 28 | moonshotai/Kimi-K2.5Moonshot AI | 74.9 | ソース既定の構成 |
| 29 | Altworld/Hemmingway-1— | 74.2 | ソース既定の構成 |
| 30 | deepseek-v4.1-flashDeepSeek | 74 | ソース既定の構成 |
評価の限界とデータの出典
英語の文章が中心で、モデル審査員に依存する。同じ審査員と関連タスクは予算を共有する。中国語の文章力を表すものではない。
データライセンス：MIT · EQ-bench-site README のメタデータ記載
成績は EQ-Bench が公表したもの。元のスコアと AIサイシン のコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。