--- title: "Role-Play Bench 排行榜 — SociaBench" description: "Role-Play Bench：在 100 轮中英文角色扮演中，测量模型的世界一致性、叙事推进与用户交互质量。收录 13 个模型的成绩、分维度得分与来源，原始出处 2026 年 1 月发布，随 MiniMax-M2-her 技术博客公开。" canonical: "https://sociabench.com/leaderboards" markdown: "https://sociabench.com/leaderboards.md" type: "CollectionPage / Dataset" entity: "https://sociabench.com/b/minimax-rp#leaderboard" about: "https://sociabench.com/b/minimax-rp#benchmark" publisher: "SociaBench" language: "zh-CN" date_modified: "2026-10-27T15:22:41.880Z" data_version: "all:13-1793114561880-r1793034246936-p0 zh:13-1793114561880-r1793034246936-p0 en:13-1793114561880-r1793034246936-p0" license: "https://sociabench.com/data-terms" sources: - "原始出处：MiniMax，2026 年 1 月发布，随 MiniMax-M2-her 技术博客公开，《A Deep Dive into the MiniMax-M2-her》：https://www.minimax.io/news/a-deep-dive-into-the-minimax-m2-her-2" - "测试集与官方实现：https://huggingface.co/datasets/MiniMaxAI/role-play-bench" - "复现报告（SociaBench）：https://sociabench.com/b/minimax-rp/methodology" data: - "https://sociabench.com/api/benchmarks/minimax-rp/leaderboard?lang=all" - "https://sociabench.com/api/benchmarks/minimax-rp/leaderboard?lang=zh" - "https://sociabench.com/api/benchmarks/minimax-rp/leaderboard?lang=en" --- # Role-Play Bench 排行榜 在 100 轮中英文角色扮演中，测量模型的世界一致性、叙事推进与用户交互质量。 情境重演式角色扮演评测：被测模型与用户模拟器进行 100 轮对话，以负向评估检测失配。 ## 来源 - 原始出处：MiniMax，2026 年 1 月发布，随 MiniMax-M2-her 技术博客公开，《A Deep Dive into the MiniMax-M2-her》：https://www.minimax.io/news/a-deep-dive-into-the-minimax-m2-her-2 - 测试集与官方实现：https://huggingface.co/datasets/MiniMaxAI/role-play-bench - 复现报告（SociaBench）：https://sociabench.com/b/minimax-rp/methodology ## 评分方法 - 排序依据：综合，满分 100，越高越好。 - 分组：世界（一致性与逻辑）；故事（叙事推进）；用户偏好（交互质量）。 - 数据视图：综合、中文、英文（按语言分别排名）。 - 评测流程与评分方式见「评测方法」。 - 完整方法、裁判配置与局限见复现报告：https://sociabench.com/b/minimax-rp/methodology ## 结果来源说明 - **平台评测**（平台复现结果）：SociaBench 在本平台按该评测的复现协议运行完整测试集得到的结果。 - **MiniMax 数据**（第三方数据）：MiniMax 公开的逐会话评分，由本平台按其公布的权重重新汇总。 ## 排名：综合 数据版本 13-1793114561880-r1793034246936-p0 · 13 个模型 · 95% CI 为 95% 置信区间；论文结果没有公布区间的记为「—」。 | 排名 | 模型 | 来源 | 综合 | 95% CI | 世界 | 故事 | 用户偏好 | 样本数 | 评测时间或出处 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | [deepseek-v4-1-flash-261017](https://sociabench.com/models/minimax-rp/deepseek-v4-1-flash-261017) | 平台评测 | 90.60 | [89.99, 91.16] | 88.99 | 85.71 | 98.73 | 285 | 2026-10-27T15:22Z | | 2 | [Doubao-Seed-Character（260628）](https://sociabench.com/models/minimax-rp/doubao-seed-character-260628) | 平台评测 | 88.81 | [87.30, 90.03] | 89.18 | 79.81 | 97.08 | 285 | 2026-10-27T13:44Z | | 3 | [MiniMax-M2-her](https://sociabench.com/models/minimax-rp/minimax-m2-her) | MiniMax 数据 | 87.18 | [86.36, 87.96] | 85.04 | 81.73 | 96.91 | 285 | 2026-10-24T13:52Z | | 4 | [doubao-1.5-pro](https://sociabench.com/models/minimax-rp/doubao-1.5-pro) | MiniMax 数据 | 85.90 | [84.41, 87.24] | 83.54 | 80.92 | 95.61 | 285 | 2026-10-24T13:52Z | | 5 | [gpt-5.1](https://sociabench.com/models/minimax-rp/gpt-5.1) | MiniMax 数据 | 85.02 | [84.33, 85.65] | 84.39 | 74.03 | 97.25 | 285 | 2026-10-24T13:52Z | | 6 | [claude-opus-4.5（低思考强度）](https://sociabench.com/models/minimax-rp/claude-opus-4.5-lowthinking) | MiniMax 数据 | 84.69 | [83.84, 85.65] | 83.80 | 81.28 | 89.87 | 285 | 2026-10-24T13:52Z | | 7 | [gemini-3-pro](https://sociabench.com/models/minimax-rp/gemini-3-pro) | MiniMax 数据 | 84.60 | [83.87, 85.37] | 79.30 | 85.53 | 94.25 | 285 | 2026-10-24T13:52Z | | 8 | [claude-opus-4.5（高思考强度）](https://sociabench.com/models/minimax-rp/claude-opus-4.5-highthinking) | MiniMax 数据 | 84.46 | [83.42, 85.58] | 82.75 | 80.26 | 92.08 | 285 | 2026-10-24T13:52Z | | 9 | [claude-sonnet-4.5](https://sociabench.com/models/minimax-rp/claude-sonnet-4.5) | MiniMax 数据 | 82.99 | [82.21, 83.74] | 79.31 | 80.49 | 92.87 | 285 | 2026-10-24T13:52Z | | 10 | [gemini-2.5-pro](https://sociabench.com/models/minimax-rp/gemini-2.5-pro) | MiniMax 数据 | 79.43 | [78.51, 80.27] | 73.66 | 82.06 | 88.37 | 285 | 2026-10-24T13:52Z | | 11 | [deepseek-v3.1](https://sociabench.com/models/minimax-rp/deepseek-v3.1) | MiniMax 数据 | 78.06 | [77.09, 79.05] | 75.52 | 70.23 | 90.98 | 285 | 2026-10-24T13:52Z | | 12 | [grok-4.1](https://sociabench.com/models/minimax-rp/grok-4.1) | MiniMax 数据 | 75.82 | [74.66, 77.01] | 79.20 | 55.61 | 89.26 | 285 | 2026-10-24T13:52Z | | 13 | [deepseek-v3.2](https://sociabench.com/models/minimax-rp/deepseek-v3.2) | MiniMax 数据 | 73.46 | [72.75, 74.27] | 74.88 | 61.33 | 82.72 | 285 | 2026-10-24T13:52Z | ## 排名：中文 数据版本 13-1793114561880-r1793034246936-p0 · 13 个模型 · 95% CI 为 95% 置信区间；论文结果没有公布区间的记为「—」。 | 排名 | 模型 | 来源 | 综合 | 95% CI | 世界 | 故事 | 用户偏好 | 样本数 | 评测时间或出处 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | [deepseek-v4-1-flash-261017](https://sociabench.com/models/minimax-rp/deepseek-v4-1-flash-261017) | 平台评测 | 93.04 | [92.51, 93.58] | 93.04 | 87.46 | 98.63 | 150 | 2026-10-27T15:22Z | | 2 | [Doubao-Seed-Character（260628）](https://sociabench.com/models/minimax-rp/doubao-seed-character-260628) | 平台评测 | 90.92 | [90.23, 91.56] | 93.33 | 78.32 | 98.70 | 150 | 2026-10-27T13:44Z | | 3 | [MiniMax-M2-her](https://sociabench.com/models/minimax-rp/minimax-m2-her) | MiniMax 数据 | 88.27 | [87.23, 89.23] | 88.00 | 79.92 | 97.17 | 150 | 2026-10-24T13:52Z | | 4 | [doubao-1.5-pro](https://sociabench.com/models/minimax-rp/doubao-1.5-pro) | MiniMax 数据 | 85.06 | [84.14, 86.03] | 82.05 | 78.81 | 97.33 | 150 | 2026-10-24T13:52Z | | 5 | [gpt-5.1](https://sociabench.com/models/minimax-rp/gpt-5.1) | MiniMax 数据 | 84.51 | [83.64, 85.38] | 86.15 | 67.62 | 98.13 | 150 | 2026-10-24T13:52Z | | 6 | [gemini-3-pro](https://sociabench.com/models/minimax-rp/gemini-3-pro) | MiniMax 数据 | 82.65 | [81.75, 83.61] | 78.32 | 81.41 | 92.57 | 150 | 2026-10-24T13:52Z | | 7 | [claude-opus-4.5（高思考强度）](https://sociabench.com/models/minimax-rp/claude-opus-4.5-highthinking) | MiniMax 数据 | 82.28 | [81.33, 83.24] | 78.78 | 80.59 | 90.98 | 150 | 2026-10-24T13:52Z | | 8 | [claude-sonnet-4.5](https://sociabench.com/models/minimax-rp/claude-sonnet-4.5) | MiniMax 数据 | 82.14 | [81.10, 83.13] | 80.26 | 76.71 | 91.33 | 150 | 2026-10-24T13:52Z | | 9 | [claude-opus-4.5（低思考强度）](https://sociabench.com/models/minimax-rp/claude-opus-4.5-lowthinking) | MiniMax 数据 | 81.60 | [80.68, 82.57] | 79.36 | 78.76 | 88.93 | 150 | 2026-10-24T13:52Z | | 10 | [gemini-2.5-pro](https://sociabench.com/models/minimax-rp/gemini-2.5-pro) | MiniMax 数据 | 76.52 | [75.53, 77.53] | 72.56 | 77.14 | 83.80 | 150 | 2026-10-24T13:52Z | | 11 | [deepseek-v3.2](https://sociabench.com/models/minimax-rp/deepseek-v3.2) | MiniMax 数据 | 73.94 | [73.01, 74.82] | 76.45 | 60.83 | 82.02 | 150 | 2026-10-24T13:52Z | | 12 | [deepseek-v3.1](https://sociabench.com/models/minimax-rp/deepseek-v3.1) | MiniMax 数据 | 73.87 | [72.93, 74.90] | 75.21 | 57.00 | 88.06 | 150 | 2026-10-24T13:52Z | | 13 | [grok-4.1](https://sociabench.com/models/minimax-rp/grok-4.1) | MiniMax 数据 | 71.69 | [70.46, 72.88] | 79.78 | 40.77 | 86.42 | 150 | 2026-10-24T13:52Z | ## 排名：英文 数据版本 13-1793114561880-r1793034246936-p0 · 13 个模型 · 95% CI 为 95% 置信区间；论文结果没有公布区间的记为「—」。 | 排名 | 模型 | 来源 | 综合 | 95% CI | 世界 | 故事 | 用户偏好 | 样本数 | 评测时间或出处 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | [claude-opus-4.5（低思考强度）](https://sociabench.com/models/minimax-rp/claude-opus-4.5-lowthinking) | MiniMax 数据 | 88.11 | [86.56, 89.73] | 88.74 | 84.08 | 90.90 | 135 | 2026-10-24T13:52Z | | 2 | [deepseek-v4-1-flash-261017](https://sociabench.com/models/minimax-rp/deepseek-v4-1-flash-261017) | 平台评测 | 87.89 | [87.00, 88.76] | 84.49 | 83.77 | 98.84 | 135 | 2026-10-27T15:22Z | | 3 | [claude-opus-4.5（高思考强度）](https://sociabench.com/models/minimax-rp/claude-opus-4.5-highthinking) | MiniMax 数据 | 86.88 | [84.91, 88.57] | 87.16 | 79.88 | 93.30 | 135 | 2026-10-24T13:52Z | | 4 | [doubao-1.5-pro](https://sociabench.com/models/minimax-rp/doubao-1.5-pro) | MiniMax 数据 | 86.84 | [84.05, 89.26] | 85.19 | 83.27 | 93.71 | 135 | 2026-10-24T13:52Z | | 5 | [gemini-3-pro](https://sociabench.com/models/minimax-rp/gemini-3-pro) | MiniMax 数据 | 86.76 | [85.59, 87.89] | 80.40 | 90.11 | 96.13 | 135 | 2026-10-24T13:52Z | | 6 | [Doubao-Seed-Character（260628）](https://sociabench.com/models/minimax-rp/doubao-seed-character-260628) | 平台评测 | 86.48 | [83.59, 88.75] | 84.58 | 81.47 | 95.28 | 135 | 2026-10-27T13:44Z | | 7 | [MiniMax-M2-her](https://sociabench.com/models/minimax-rp/minimax-m2-her) | MiniMax 数据 | 85.97 | [84.87, 87.10] | 81.74 | 83.75 | 96.62 | 135 | 2026-10-24T13:52Z | | 8 | [gpt-5.1](https://sociabench.com/models/minimax-rp/gpt-5.1) | MiniMax 数据 | 85.58 | [84.57, 86.60] | 82.44 | 81.16 | 96.27 | 135 | 2026-10-24T13:52Z | | 9 | [claude-sonnet-4.5](https://sociabench.com/models/minimax-rp/claude-sonnet-4.5) | MiniMax 数据 | 83.94 | [82.58, 85.23] | 78.25 | 84.69 | 94.58 | 135 | 2026-10-24T13:52Z | | 10 | [deepseek-v3.1](https://sociabench.com/models/minimax-rp/deepseek-v3.1) | MiniMax 数据 | 82.72 | [81.25, 84.15] | 75.87 | 84.92 | 94.21 | 135 | 2026-10-24T13:52Z | | 11 | [gemini-2.5-pro](https://sociabench.com/models/minimax-rp/gemini-2.5-pro) | MiniMax 数据 | 82.68 | [81.49, 83.84] | 74.87 | 87.53 | 93.44 | 135 | 2026-10-24T13:52Z | | 12 | [grok-4.1](https://sociabench.com/models/minimax-rp/grok-4.1) | MiniMax 数据 | 80.42 | [78.51, 82.19] | 78.57 | 72.11 | 92.42 | 135 | 2026-10-24T13:52Z | | 13 | [deepseek-v3.2](https://sociabench.com/models/minimax-rp/deepseek-v3.2) | MiniMax 数据 | 72.92 | [71.53, 74.24] | 73.15 | 61.89 | 83.51 | 135 | 2026-10-24T13:52Z | ## 维度 | 维度 | 所属分组 | 说明 | | --- | --- | --- | | 基础 | 世界 | 语言混杂、短语重复、格式错误 | | 逻辑 | 世界 | 物理逻辑错误、指代混乱、前后矛盾 | | 知识 | 世界 | 违背设定中的物理或魔法等世界规则 | | 多样性 | 故事 | 句式单调、对话停滞、内容空泛、情节重复 | | 内容逻辑 | 故事 | 剧情突兀、人设偏离（OOC） | | 交互 | 用户偏好 | AI 沉默、忽视用户、代替用户、亲密回避 | ## 引用 转载或引用本站任何评测结果，请注明来源「SociaBench（AI 社交智能榜）」并附本站链接：https://sociabench.com/b/minimax-rp。引用本评测时，请同时注明其正式名称「Role-Play Bench」与原始出处。