--- 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。本平台按当前评测协议评测了 11 个模型，附分维度得分与置信区间；作者公布的原始榜单单独列出，不参与排名。原始出处 2026 年 1 月发布，随 MiniMax-M2-her 技术博客公开。" canonical: "https://sociabench.com/zh-CN/b/minimax-rp" markdown: "https://sociabench.com/zh-CN/b/minimax-rp.md" type: "CollectionPage / Dataset" entity: "https://sociabench.com/zh-CN/b/minimax-rp#leaderboard" about: "https://sociabench.com/b/minimax-rp#benchmark" publisher: "SociaBench" language: "zh-CN" date_modified: "2026-11-01T14:44:06.466Z" data_version: "all:22-1793544246466-r1793034246936-p2710 zh:22-1793544246466-r1793034246936-p2710 en:22-1793544246466-r1793034246936-p2710" license: "https://sociabench.com/zh-CN/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/zh-CN/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/zh-CN/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/zh-CN/b/minimax-rp/methodology ## 排名规则 - **排名**（平台复现结果）：SociaBench 在本平台按该评测当前的复现协议运行完整测试集得到的结果；排名只收这类结果。 - **原始榜单**（作者公布的结果）：评测作者公布的成绩（论文表格或数据集说明），未经本平台重新运行；评测条件与排名不同，单独列出，不参与排名。两边的分数不能直接比较。 ## 排名：综合 数据版本 22-1793544246466-r1793034246936-p2710 · 11 个模型 · 95% CI 为 95% 置信区间。 | 排名 | 模型 | 综合 | 95% CI | 世界 | 故事 | 用户偏好 | 样本数 | 评测时间 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | [GPT-6 Astra](https://sociabench.com/zh-CN/models/minimax-rp/gpt-6-astra) | 93.42 | [93.07, 93.74] | 97.97 | 80.00 | 97.73 | 285 | 2026-10-28T19:05Z | | 2 | [MiniMax M2-her](https://sociabench.com/zh-CN/models/minimax-rp/minimax-minimax-m2-her) | 92.13 | [91.74, 92.49] | 94.33 | 81.20 | 98.64 | 285 | 2026-10-27T22:12Z | | 3 | [DeepSeek V4.1 Flash（261017）](https://sociabench.com/zh-CN/models/minimax-rp/deepseek-v4-1-flash-261017) | 90.60 | [89.99, 91.16] | 88.99 | 85.71 | 98.73 | 285 | 2026-10-27T15:22Z | | 4 | [Doubao-Seed-Character（260628）](https://sociabench.com/zh-CN/models/minimax-rp/doubao-seed-character-260628) | 88.48 | [86.96, 89.80] | 88.88 | 79.48 | 96.66 | 285 | 2026-10-27T22:13Z | | 5 | [Muse Spark 1.3](https://sociabench.com/zh-CN/models/minimax-rp/meta-muse-spark-1.3) | 83.43 | [82.64, 84.22] | 84.98 | 65.50 | 98.27 | 285 | 2026-11-01T10:35Z | | 6 | [Gemini 4 Argon](https://sociabench.com/zh-CN/models/minimax-rp/google-gemini-4-argon) | 83.38 | [82.66, 84.04] | 82.56 | 75.55 | 92.85 | 285 | 2026-10-29T08:53Z | | 7 | [Claude Opus 5.5](https://sociabench.com/zh-CN/models/minimax-rp/anthropic-claude-opus-5.5) | 83.27 | [82.68, 83.81] | 81.82 | 79.98 | 89.44 | 285 | 2026-11-01T13:20Z | | 8 | [Qwen Plus Character](https://sociabench.com/zh-CN/models/minimax-rp/qwen-plus-character) | 79.75 | [78.68, 80.72] | 73.09 | 75.82 | 97.00 | 285 | 2026-10-27T22:11Z | | 9 | [Grok 4.7](https://sociabench.com/zh-CN/models/minimax-rp/x-ai-grok-4.7) | 78.32 | [77.54, 79.07] | 76.56 | 62.81 | 97.36 | 285 | 2026-10-29T08:48Z | | 10 | [Qwen3.8 Max Prime](https://sociabench.com/zh-CN/models/minimax-rp/qwen-qwen3.8-max-prime) | 74.92 | [73.79, 76.00] | 66.46 | 70.81 | 95.97 | 285 | 2026-11-01T12:49Z | | 11 | [Kimi K3](https://sociabench.com/zh-CN/models/minimax-rp/moonshotai-kimi-k3) | 71.41 | [70.46, 72.39] | 62.31 | 68.24 | 92.80 | 285 | 2026-11-01T14:44Z | ## 排名：中文 数据版本 22-1793544246466-r1793034246936-p2710 · 11 个模型 · 95% CI 为 95% 置信区间。 | 排名 | 模型 | 综合 | 95% CI | 世界 | 故事 | 用户偏好 | 样本数 | 评测时间 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | [DeepSeek V4.1 Flash（261017）](https://sociabench.com/zh-CN/models/minimax-rp/deepseek-v4-1-flash-261017) | 93.04 | [92.51, 93.58] | 93.04 | 87.46 | 98.63 | 150 | 2026-10-27T15:22Z | | 2 | [GPT-6 Astra](https://sociabench.com/zh-CN/models/minimax-rp/gpt-6-astra) | 92.90 | [92.48, 93.33] | 97.54 | 78.73 | 97.78 | 150 | 2026-10-28T19:05Z | | 3 | [MiniMax M2-her](https://sociabench.com/zh-CN/models/minimax-rp/minimax-minimax-m2-her) | 92.19 | [91.70, 92.66] | 94.09 | 82.22 | 98.35 | 150 | 2026-10-27T22:12Z | | 4 | [Doubao-Seed-Character（260628）](https://sociabench.com/zh-CN/models/minimax-rp/doubao-seed-character-260628) | 91.34 | [90.72, 91.91] | 93.74 | 79.11 | 98.76 | 150 | 2026-10-27T22:13Z | | 5 | [Claude Opus 5.5](https://sociabench.com/zh-CN/models/minimax-rp/anthropic-claude-opus-5.5) | 81.78 | [81.00, 82.51] | 81.71 | 76.96 | 86.75 | 150 | 2026-11-01T13:20Z | | 6 | [Qwen Plus Character](https://sociabench.com/zh-CN/models/minimax-rp/qwen-plus-character) | 81.47 | [79.61, 83.21] | 76.41 | 75.64 | 97.41 | 150 | 2026-10-27T22:11Z | | 7 | [Muse Spark 1.3](https://sociabench.com/zh-CN/models/minimax-rp/meta-muse-spark-1.3) | 80.68 | [79.47, 81.90] | 80.66 | 63.71 | 97.69 | 150 | 2026-11-01T10:35Z | | 8 | [Gemini 4 Argon](https://sociabench.com/zh-CN/models/minimax-rp/google-gemini-4-argon) | 80.64 | [79.75, 81.50] | 80.33 | 70.88 | 91.04 | 150 | 2026-10-29T08:53Z | | 9 | [Grok 4.7](https://sociabench.com/zh-CN/models/minimax-rp/x-ai-grok-4.7) | 75.05 | [74.21, 75.79] | 70.88 | 60.82 | 97.61 | 150 | 2026-10-29T08:48Z | | 10 | [Kimi K3](https://sociabench.com/zh-CN/models/minimax-rp/moonshotai-kimi-k3) | 70.31 | [69.12, 71.50] | 61.21 | 67.51 | 91.32 | 150 | 2026-11-01T14:44Z | | 11 | [Qwen3.8 Max Prime](https://sociabench.com/zh-CN/models/minimax-rp/qwen-qwen3.8-max-prime) | 69.33 | [68.06, 70.66] | 58.17 | 66.95 | 94.03 | 150 | 2026-11-01T12:49Z | ## 排名：英文 数据版本 22-1793544246466-r1793034246936-p2710 · 11 个模型 · 95% CI 为 95% 置信区间。 | 排名 | 模型 | 综合 | 95% CI | 世界 | 故事 | 用户偏好 | 样本数 | 评测时间 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | [GPT-6 Astra](https://sociabench.com/zh-CN/models/minimax-rp/gpt-6-astra) | 93.99 | [93.43, 94.54] | 98.44 | 81.41 | 97.68 | 135 | 2026-10-28T19:05Z | | 2 | [MiniMax M2-her](https://sociabench.com/zh-CN/models/minimax-rp/minimax-minimax-m2-her) | 92.06 | [91.44, 92.66] | 94.60 | 80.08 | 98.97 | 135 | 2026-10-27T22:12Z | | 3 | [DeepSeek V4.1 Flash（261017）](https://sociabench.com/zh-CN/models/minimax-rp/deepseek-v4-1-flash-261017) | 87.89 | [87.00, 88.76] | 84.49 | 83.77 | 98.84 | 135 | 2026-10-27T15:22Z | | 4 | [Muse Spark 1.3](https://sociabench.com/zh-CN/models/minimax-rp/meta-muse-spark-1.3) | 86.50 | [85.58, 87.45] | 89.78 | 67.49 | 98.93 | 135 | 2026-11-01T10:35Z | | 5 | [Gemini 4 Argon](https://sociabench.com/zh-CN/models/minimax-rp/google-gemini-4-argon) | 86.42 | [85.62, 87.14] | 85.04 | 80.73 | 94.86 | 135 | 2026-10-29T08:53Z | | 6 | [Doubao-Seed-Character（260628）](https://sociabench.com/zh-CN/models/minimax-rp/doubao-seed-character-260628) | 85.30 | [82.23, 87.89] | 83.49 | 79.89 | 94.34 | 135 | 2026-10-27T22:13Z | | 7 | [Claude Opus 5.5](https://sociabench.com/zh-CN/models/minimax-rp/anthropic-claude-opus-5.5) | 84.92 | [84.25, 85.61] | 81.95 | 83.33 | 92.44 | 135 | 2026-11-01T13:20Z | | 8 | [Grok 4.7](https://sociabench.com/zh-CN/models/minimax-rp/x-ai-grok-4.7) | 81.96 | [80.82, 82.92] | 82.86 | 65.03 | 97.09 | 135 | 2026-10-29T08:48Z | | 9 | [Qwen3.8 Max Prime](https://sociabench.com/zh-CN/models/minimax-rp/qwen-qwen3.8-max-prime) | 81.14 | [80.05, 82.15] | 75.66 | 75.10 | 98.12 | 135 | 2026-11-01T12:49Z | | 10 | [Qwen Plus Character](https://sociabench.com/zh-CN/models/minimax-rp/qwen-plus-character) | 77.83 | [76.89, 78.71] | 69.39 | 76.02 | 96.54 | 135 | 2026-10-27T22:11Z | | 11 | [Kimi K3](https://sociabench.com/zh-CN/models/minimax-rp/moonshotai-kimi-k3) | 72.64 | [71.32, 74.02] | 63.53 | 69.06 | 94.44 | 135 | 2026-11-01T14:44Z | ## 原始榜单：综合（作者公布，不参与排名） | 名次 | 模型 | 综合 | 出处 | 注 | | --- | --- | --- | --- | --- | | 1 | MiniMax-M2-her | 84.65 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 2 | doubao-1.5-pro | 80.64 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 3 | gpt-5.1 | 80.63 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 4 | claude-opus-4.5（高思考强度） | 76.62 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 5 | gemini-3-pro | 75.60 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 6 | claude-opus-4.5（低思考强度） | 71.19 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 7 | claude-sonnet-4.5 | 69.35 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 8 | gemini-2.5-pro | 68.23 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 9 | deepseek-v3.1 | 64.22 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 10 | deepseek-v3.2 | 60.27 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | | 11 | grok-4.1 | 48.47 | [MiniMax 公布（数据集说明、HER 论文表 2）](https://arxiv.org/abs/2601.21459) | | ## 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/zh-CN/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。