排序:只看点赞率
点赞率 = 赞 ÷(赞 + 踩),按模型汇总它当前所有已发布评估上的真人评分;同一用户对同一评估版本只能评一次,避免刷票。
排名从高到低;点赞率相同时先看样本量,再看最近评测时间。
FeelFish Evals · Human Leaderboard
本榜只看真人:把同一个小说开篇任务交给不同大模型,由真实读者读完正文后点赞或点踩。排名按点赞率(赞 ÷(赞 + 踩))从高到低,并附样本量、需求遵循与案例覆盖;评价数不足 50 的模型不参与名次。
AI 裁判分不参与排序,也不在本页展示;它按文笔、场景呈现、人物、节奏与原创性打分,在模型详情页评分后解锁。点赞率是读者偏好,不等于模型的绝对写作能力上限。
一句话结论
截至 2026-11-14,点赞率前三:gemini-3.8-flash(71.2%,样本 132)、xiaomi-mimo-2.6-pro(68.5%,样本 130)、claude-opus-5-5(67.5%,样本 117)。完整名次、样本量与需求遵循见下表。
按点赞率从高到低;评价数 ≥ 50 才参与排名。
本榜只按点赞率排序。AI 裁判分与分项不参与排序,也不在本页公开;想核对机器评分,请进入模型详情页读第一章后评分解锁。
| 排名 | 模型 | 点赞率 | 赞 / 踩 | 需求遵循 | 最近评测 |
|---|---|---|---|---|---|
| 1 | Google3 个案例 | 71.2% 132 条评价94 赞 / 38 踩 | 94/38 | 3 个已评测案例中有 1 个遵循了开篇需求 | |
| 2 | 小米3 个案例 | 68.5% 130 条评价89 赞 / 41 踩 | 89/41 | 3 个已评测案例中有 3 个遵循了开篇需求 | |
| 3 | Anthropic3 个案例 | 67.5% 117 条评价79 赞 / 38 踩 | 79/38 | 3 个已评测案例中有 3 个遵循了开篇需求 | |
| 4 | 字节跳动3 个案例 | 66.7% 132 条评价88 赞 / 44 踩 | 88/44 | 3 个已评测案例中有 3 个遵循了开篇需求 | |
| 5 | Moonshot3 个案例 | 64.8% 122 条评价79 赞 / 43 踩 | 79/43 | 3 个已评测案例中有 3 个遵循了开篇需求 | |
| 6 | DeepSeek3 个案例 | 63.3% 120 条评价76 赞 / 44 踩 | 76/44 | 3 个已评测案例中有 1 个遵循了开篇需求 | |
| 7 | OpenAI3 个案例 | 62.5% 120 条评价75 赞 / 45 踩 | 75/45 | 3 个已评测案例中有 1 个遵循了开篇需求 | |
| 8 | DeepSeek3 个案例 | 57.3% 124 条评价71 赞 / 53 踩 | 71/53 | 3 个已评测案例中有 2 个遵循了开篇需求 | |
| 9 | OpenAI3 个案例 | 54.8% 124 条评价68 赞 / 56 踩 | 68/56 | 3 个已评测案例中有 3 个遵循了开篇需求 |
「需求遵循」按开篇需求(题材关键词、字数区间、禁忌词)做规则判定,不是文笔分:模型每在一个案例上遵循了要求就显示一个 👍,3 个案例都遵循就是三个 👍。
这是一张「真人读者偏好」榜,不是通用能力总分榜。读懂下面四条,比只看名次更重要。
点赞率 = 赞 ÷(赞 + 踩),按模型汇总它当前所有已发布评估上的真人评分;同一用户对同一评估版本只能评一次,避免刷票。
排名从高到低;点赞率相同时先看样本量,再看最近评测时间。
评价数不足 50 的模型只展示当前点赞率与样本量,不参与名次;几票、十几票的点赞率波动很大,不能拿来定榜。
样本积累到门槛后会自动进入主榜,不需要手动调整。
每个模型只统计当前版本(isLatest)的已发布评估;旧版本、草稿与未发布记录不进入榜单。
不同模型覆盖的案例数量和评测时间不同,跨批次比较要结合样本量与案例覆盖一起看。
本榜不展示 AI 裁判分,也不按裁判分排序;裁判分与分项在模型详情页评分后解锁,避免把「机器打分」当成真人偏好。
点赞率回答「读者想不想继续读」,裁判分回答「文笔、场景、人物、节奏、原创性如何」,两者不能互相替代。
按点赞率排序:赞 ÷(赞 + 踩),按模型汇总当前已发布评估上的真人评分。评价数达到 50 的模型才参与名次;点赞率相同先看样本量,再看最近评测时间。
评价数不足 50 的模型不参与排名,只展示当前点赞率与样本量。样本少时几票就能让点赞率大幅波动,直接给名次会误导读者;样本积累到门槛后会自动进入主榜。
两者回答不同的问题:点赞率是真实读者读完后「想不想继续读」,AI 裁判分按文笔、场景呈现、人物、节奏与原创性打分。排行榜只按点赞率排序,AI 裁判分不参与;裁判分与分项在模型详情页评分后解锁。
页面每次访问都按最新投票与已发布评估动态读取,所以盲测投票、评估发布都会改变排名;页面会标注数据更新时间。不同批次样本量不同,榜单是动态观察,不是一次定终身的绝对实力排名。
在盲测 PK 里读匿名开篇并给出赞/踩,达到参与人数后解锁模型身份与结果;想复现评测,可以在 FeelFish 客户端里用同一方案、同一 brief 跑同一批小说开篇任务。
不同批次参与盲测的人数不同,我们不会为了凑样本重复计票,也不会把不同批次的样本硬凑成相同规模。评价数少时请结合样本量阅读,不要把小样本模型直接等同于弱模型。