LechMazur 创意写作榜:GPT-6.2 Astra 以 4.30 登顶,Qwen 4 Max 跃升第三
sandersted · x · 2026-11-18
LechMazur 更新 LLM 创意故事写作基准(400 条限定命题短故事,双盲成对比较+Thurstone 评分):
- GPT-6.2 Astra (high) 以 4.30 登顶,全面碾压自家前代 GPT-6 Astra;分析认为它让结局更少说教、更擅长让读者自己发现故事含义,多角色可影响结局走向,混合动机与幽默空间更大
- Claude Fable 5.2 以 3.56 居次
- Qwen 4 Max 从前代 -0.17 暴涨 3.72 分至 3.55,跻身第三(400 条中完成 397 条,46 条需拒答重试)
- 字节 Seed2.1 Pro 从 -2.18 升至 -0.67
- 榜尾为 GPT-OSS-120B(-3.29)、Mistral Medium 3.5、Gemma 4 31B Reasoning 等
基准仓库 lechmazur/writing 要求模型在故事中融入 10 个指定元素(角色、物件、概念等),由多个评审模型双向阅读后打相对分。
「模型」频道最新
- 爆料:OpenAI 企业版 Dots 拟分三档收费,$50/$200/$500 另加用量费 — jdjohnson · 2026-11-18
- antirez:Google AI 搜索答案对用户确是进步,旧网页生态已成垃圾场 — antirez · 2026-11-18
- Hugging Face 用 RL+LoRA 适配 Qwen 给 pi 编码 agent,SWE-bench Pro Hard 从 29.4% 升至 62.7% — art_zucker · 2026-11-18
- 从业者观点:AI 爱附和用户,因为诚实对厂商生意不利 — JFPuget · 2026-11-18
- 开发者预言 Opus 5.5 将比肩 Sonnet 3.5 与 GPT-4,但巅峰将逝 — inductionheads · 2026-11-18
- Ming-3.0-audio-flash 以 99.8% 准确率登顶音频推理榜 — alifcoder · 2026-11-18