EQ-Bench 项目创意写作 v3 榜单
EQ-Bench 项目创意写作 v3 榜单：创意写作产出由 LLM 评委对打折算 Elo，越高越好；与 EQ-Bench 3 同一作者的不同赛道，衡量长文创作的主观质量，无客观对错。
测什么：EQ-Bench 项目创意写作 v3 榜单
不测什么：不能证明中文长文业务任务的整体质量；需用自己的文体、长度和事实要求复核。
语言与文体：当前账本未完整披露语言和文体分布
指标与单位：见逐条记录，未披露项不能比较 / 以原始来源为准
可比性：当前没有完整、同快照的可比协议与可靠归一化边界，仅展示原始证据。
说明日期：2026-08-31；具体分数的协议、来源等级和核对日期以每条发布记录为准。
进入写作需求选型这个评测的官方统一评分协议还没收录到本页；各厂商实际使用的执行框架（harness）与推理档位（effort）已逐条写在下方引用卡里。
共收录 1 场模型发布 · 按发布时间倒序排列 · 数据更新于 2026-09-20
xAI / Grok·国际
xAI 将 Grok 4.1 定位为一次可用性导向的风格升级：复用驱动 Grok 4 的大规模强化学习基础设施来优化风格、人格、有用性与对齐，使其更敏锐捕捉细微意图、更具对话魅力且人格连贯，同时完全保留前代的锋利智能与可靠性。已收录评测覆盖竞技场 Elo、情商、创意写作与事实性等领域，Text Arena Thinking 配置 1483 Elo（总榜第一）、EQ-Bench3 1586 Elo（归一化）。
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。