Welche KI-Modelle können Romane schreiben? Bewertungen und Empfehlungen für neun Modelle

Welche KI-Modelle können gute Romane schreiben? Diese Frage haben Sie sich bestimmt auch schon gestellt. Die Bewertung eines Romans ist subjektiv: Es gibt keinen einheitlichen Maßstab dafür, welche Modelle gut schreiben und welche nicht. Um diese Frage zu beantworten, haben wir einen Vergleich durchgeführt, der Ihnen als Orientierung dienen soll.

Wir wählten neun Modelle aus und gaben ihnen dieselben Hintergrundunterlagen zu einem englischsprachigen Fantasyroman und denselben Prompt. Jedes schrieb drei aufeinanderfolgende Kapitel. Wir ließen die Originaltexte unverändert und baten 10 Webroman-Autoren, die neun Manuskripte auf einer Skala bis 10 zu bewerten. Die folgende Rangliste gibt ihre subjektiven Urteile wieder und dient nur als Orientierung. Drei Kapitel belegen nicht die Leistung über einen ganzen Roman hinweg; ein anderes Genre, eine andere Sprache oder ein anderer Prompt könnten andere Ergebnisse liefern.

1. Claude Opus 5.5: 6.5
2. Claude Sonnet 5.5: 6.3
3. Doubao Seed 2.1 Pro: 6.1
4. Kimi K3: 6.0
5. Gemini 3.8 Flash: 5.8
6. Grok 4.6: 5.6
7. DeepSeek Flash: 5.5
8. GPT-6 Astra: 5.4
9. GPT-6.1 Sol: 5.4

Die Bewertungen sind nur Anhaltspunkte. Als wir dieselben Texte einigen weiteren Personen zur Bewertung gaben, fielen die Punkte insgesamt etwas niedriger aus. Die höchste Bewertung lag bei höchstens 6, und auch die Reihenfolge wich leicht ab.

Wir testeten außerdem einige auf Programmierung spezialisierte Modelle und kleine lokale Modelle. Ihre Bewertungen lagen meist unter 5, deshalb veröffentlichen wir ihre Namen und Punktzahlen nicht. Auf Grundlage dieses Tests raten wir besonders davon ab, die folgenden Modelle zum Schreiben einzusetzen:

Auf Programmierung spezialisierte Modelle

Diese Modelle werden vor allem für Programmieraufgaben trainiert; Trainingsdaten aus anderen Bereichen wurden entfernt. Sie können guten Code schreiben, sind aber im Allgemeinen nicht gut im Verfassen von Texten.

Flash, Lite und andere auf Tempo und niedrige Preise ausgerichtete Varianten

Bei langen Romanen zählen Textqualität, Schreibtechnik und literarisches Können stärker. Dafür brauchen Modelle umfangreiche Trainingsdaten, und Modelle, die diese Anforderungen erfüllen, sind in der Regel nicht klein.

Kleine Modelle

Gemeint sind kleine Modelle, die lokal auf einem Computer oder in der Cloud laufen. Ein langer Roman erfordert, Figuren, Handlung und kapitelübergreifende Zusammenhänge im Blick zu behalten. Dafür braucht es ein gewisses Schlussfolgerungsvermögen, das bei diesen kleinen Modellen meist nicht stark ausgeprägt ist. Deshalb empfehlen wir sie nicht für lange Romane.

Warum sind KI-Modelle im Allgemeinen besser im Programmieren?

Heutige große Modelle können meist gut Code schreiben und automatisierte Aufgaben ausführen, weil Code eine formale Syntax hat und häufig Frameworks und Schnittstellenverträgen folgt. Automatisierte Tests prüfen einen Teil des Verhaltens und geben den Modellen leichter klare Rückmeldungen zu Fehlern. Die meisten Menschen können nicht programmieren, aber ein wenig schreiben können sie schon. So entsteht bei vielen der falsche Eindruck, ein Roman sei leichter zu schreiben als Code. Sie nutzen Modelle der Oberklasse zum Programmieren, wollen bei Romanen jedoch nur für Einstiegsmodelle bezahlen. Modelle können zwar Rechtschreibung und Grammatik eines Romans prüfen, doch es gibt keinen einheitlichen Abnahmemaßstab dafür, ob Figuren glaubwürdig sind, eine Geschichte berührt und über Kapitel hinweg stimmig bleibt. Das ist die grundlegende Ursache dafür, dass große Modelle besser programmieren als literarisch schreiben.