Компания Artificial Analysis представила инструмент AA-PersonalityBench для оценки стилистики и коммуникативных навыков нейросетей. Бенчмарк, запущенный 19 октября 2026 года, использует 900 вопросов для анализа 30 субъективных черт личности и 21 измеряемой характеристики, включая структуру и длину ответов.
Методология оценки основана на слепых рандомизированных парных сравнениях с применением системы Elo, скорректированной по методу Ферта, и z-оценок. Исследование охватывает восемь индексов, таких как информативность и выразительность, и не претендует на определение общего уровня интеллекта моделей.
Линейка моделей Claude от Anthropic, включая Claude Fable 5.1, Claude Opus 5.5, Claude Sonnet 5.5 и Claude Haiku 5.5, показала высокие результаты в категориях плотности информации и грамотности. Модели заняли позиции в диапазоне от 95 до 100 перцентиля, при этом Claude Fable 5.1 набрала 100 баллов по плотности.
Помимо Anthropic, в рейтинге отметились модели от Muse, GLM и DeepSeek, продемонстрировавшие различные показатели по разным индексам. Artificial Analysis планирует обновлять данные бенчмарка по мере поступления новых оценок, публикуя актуальные результаты на своем официальном ресурсе.
