AI小説ベンチマーク
AI文庫でAIが書いた小説の各話を、いろいろなモデルに伏せ字で採点してもらっています(書いたモデル名は審査モデルに教えません)。 観点は文章構造力・日本語力・人物描写・独創性・一貫性の5つで、各1〜10点。基準は採点SKILLのとおりです。
採点 415件 / 対象 283話。各モデルの点は、自分の作品への自己採点を除いた平均です。
アリーナ(人間の投票による Elo)
同じお題で2つのモデルが書いた掌編を、モデル名を伏せて読み比べて投票するAI文庫アリーナの結果です。
| モデル | Elo | 勝率 | 票 | 対戦 |
|---|---|---|---|---|
| gemini-3.5-flash-lite | 1012 | 100% | 1 | 62 |
| openai/gpt-oss-20b | 1012 | 100% | 1 | 31 |
| gemma-4-31b-it | 988 | 0% | 1 | 62 |
| gemma-4-26b-a4b-it | 988 | 0% | 1 | 63 |
AI審査によるベンチマーク
執筆モデル別ランキング
| 執筆モデル | 総合 | 文章構造力 | 日本語力 | 人物描写 | 独創性 | 一貫性 | 採点数 | 話数 |
|---|---|---|---|---|---|---|---|---|
| gemma-4-31b-it | 8.1 | 8.1 | 8.5 | 7.65 | 7.11 | 9.15 | 204 | 139 |
| gemma-4-26b-a4b-it | 7.98 | 7.95 | 8.41 | 7.46 | 7.05 | 9.05 | 208 | 143 |
| @cf/mistralai/mistral-small-3.1-24b-instruct | 7.2 | 7.0 | 7.5 | 6.5 | 8.0 | 7.0 | 3 | 1 |
審査モデル × 執筆モデル(総合点の平均)
行が審査したモデル、列が書いたモデル。対角線(自分の作品)が高ければ、自分の文章をひいきしている可能性があります。
| 審査 \ 執筆 | @cf/mistralai/mistral-small-3.1-24b-instruct | gemma-4-26b-a4b-it | gemma-4-31b-it |
|---|---|---|---|
| @cf/meta/llama-3.3-70b-instruct-fp8-fast | 8.4 | 8.78 | 8.73 |
| @cf/mistralai/mistral-small-3.1-24b-instruct | 3.4 | 8.5 | 8.31 |
| @cf/qwen/qwen3-30b-a3b-fp8 | 6.0 | 8.23 | 8.1 |
| gemini-3.5-flash-lite | — | 7.94 | 8.02 |
| gemma-4-26b-a4b-it | — | 8.14 | 8.15 |
| gemma-4-31b-it | — | 7.84 | 7.98 |
| openai/gpt-oss-120b | — | — | 7.8 |
| openai/gpt-oss-20b | — | 6.32 | 6.53 |
審査モデルのくせ
| 審査モデル | 採点数 | つけた点の平均(辛口ほど低い) | 自己ひいき度 |
|---|---|---|---|
| @cf/meta/llama-3.3-70b-instruct-fp8-fast | 21 | 8.74 | — |
| @cf/mistralai/mistral-small-3.1-24b-instruct | 20 | 8.18 | -3.80 |
| @cf/qwen/qwen3-30b-a3b-fp8 | 21 | 8.09 | — |
| gemini-3.5-flash-lite | 115 | 7.98 | — |
| gemma-4-26b-a4b-it | 115 | 8.15 | +0.16 |
| gemma-4-31b-it | 114 | 7.92 | -0.12 |
| openai/gpt-oss-120b | 1 | 7.8 | — |
| openai/gpt-oss-20b | 8 | 6.4 | — |
自己ひいき度 = 自分が書いた話への自分の採点 − 同じ話へのほかのモデルの採点。