创意写作榜单：Gemini 4 Argon 50 场全胜碾压自家上代，Claude 系仍居首
zero0_one1 · reddit · 2026-10-15
Lech Mazur 的 Short Story Creative Writing Benchmark 更新（59 个写作模型、110,748 条评审判断，三评委跨厂商、双序评测去位置偏差），测试模型把含 10 个必需元素的 brief 写成 600-800 字完整短篇。
- Muse Wonder (high) 以 1.96 的 Thurstone 分居第一梯队，Muse Spark 1.3 仅 0.56
- Gemini 4 Argon (high) 得 0.80，较 Gemini 3.1 Pro Preview 的 −2.17 大幅跃升：50 场配对比较全胜；必需元素更深度影响情节、角色方案铺垫与后果更清晰、人物关系更多双向需求；上代常给象征性道具后直接宣布问题解决
- Argon 仍有老毛病：人名重复、解释性叙述、情感冲突收尾过于圆满
- 榜单顶部的 Claude Fable 5.1 / Opus 5.5（3.76/3.71）与 GPT-6 Astra（3.44）仍领先，Kimi K3 2.42、GLM-5.3 (max) 3.03 紧随
- 部分模型未跑完全部 400 篇（Qwen 3.8 Max 398、Xiaomi MiMo V2.6 Pro 375）
「模型」频道最新
- Perplexity 上线 Gemini 4 Argon,称刷新 WANDR 基准纪录 — AravSrinivas · 2026-10-16
- 开发者吐槽现行 DLP 全是正则方案，欲用 LLM NER 重做 — HankYeomans · 2026-10-16
- 爆料称 GLM 5.5 与 Kimi K3.1 即将发布,或与反蒸馏封锁有关 — zephyr_z9 · 2026-10-16
- 75 家企业真实工作基准:GPT-6 与 Claude 排名随任务反转 — BorisMPower · 2026-10-16
- Google 年付 Gemini AI Plus 用户遭中途降级,11月13日起失去 Pro 模型 — Ray_ProUser · 2026-10-16
- 夸一句就出图：小模型画鹈鹕骑车SVG画质飙升 — Fancy-Snow7 · 2026-10-16