DocBench：测模型写文档
ell-hol1 · reddit · 2026-07-16
作者做了一个专门评测模型生成 PowerPoint 和 Word 文档能力的基准，包含 26 个模型，要求模型在给定源材料、agent、执行环境和 document skills 的条件下，直接产出可提交的 `.pptx` 或 `.docx` 文件。 目前结果显示，Claude Fable 5 甚至排不到前十，一些便宜的开源模型反而更强，单份文档成本大约能低 30 倍。排行榜采用盲测双盲投票：评审先看匿名文档，再决定哪个更可用，模型身份最后才揭晓。现在 DocBench Arena 已向更多人开放匿名投票与结果分析。