哪些 AI 模型擅长写小说？九款模型的评分与推荐

哪些 AI 模型擅长写小说？相信你一定有同样的困惑，因为小说的评价是主观的，哪些 AI 模型写得好，哪些写得不好，没有统一的标准。但为了解决这个困惑，我们尝试做了一次测评，希望能给你一些参考。

我们选取了九个模型，让它们使用同一本英语魔幻小说的创作档案和相同的 prompt，各自连续写三章。在保持原稿不动的情况下，邀请了 10 位网文作者对 9 份正文进行打分，采用 10 分制。以下排名是这次的主观评价，仅供参考；三章不能证明整部长篇的表现，换题材、语言或 prompt 也可能得到不同结果。

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

以上得分仅供参考，因为我们发现，把正文再发给另外几个人评分，得到的分数总体略低，最高分不超过 6 分，排名也略有出入。

此外，我们还测试了一些专攻 Coding 的模型和本地小模型，但得分普遍在 5 分以下，所以不再放出这些模型的名称和得分。基于本次测试，我们特别不推荐使用以下模型进行写作：

专用 coding 模型

这类模型主要针对编程任务进行训练，剔除了其他领域的训练数据，能写好代码，但普遍不擅长写作。

主打速度和低价的 Flash、Lite 等档位

写长篇时，更看重正文质量、写作技巧、文学素养，需要模型具备充足的训练数据，满足这些要求的模型体积一般都不会小。

小模型

这里指在电脑上部署的本地小模型，或云端小模型。写长篇需要同时顾及人物、情节和跨章连贯，需要模型具备一定的推理能力，而这些小模型普遍不擅长推理。因此，我们不推荐用这类小模型写长篇小说。

为什么 AI 模型普遍更擅长写代码？

现在的大模型普遍都擅长写代码、运行自动化任务，因为代码有形式语法，通常也有框架和接口约定。自动测试可以检查部分行为，让模型更容易得到明确的错误反馈。大部分人不会写代码，却多少都能写点文章，以至于很多人形成了一种错觉，认为写小说比写代码容易，导致很多人写代码用高级模型，写小说只舍得用低端模型。事实上，模型虽然能检查小说的错字和语法，但人物是否可信、故事是否打动人、跨章节时故事是否连续，并没有一套统一的验收标准。这就是为什么大模型更擅长写代码而非写作的根本原因。