🔥
2026/07 全网最新最全模型小说写作测评

用户8717

用户1699

7月10日修改

测评概况

本报告使用 Fable5 进行对三组测评（海外御三家、国内贵价四模型、国内平价四兄弟）进行最终汇总，共 11 个模型、33 次同题运行。所有运行使用统一提示词（"穿越闰土修炼国术"网文）、统一补充条件（100 万字/传统国术/魂穿/热血爽文/清末民初）、统一流程（Plan → 补充条件 → Act → 首章落盘即停）。​

组别	模型	运行	有效章	调用	Token	实际费用	每百万 Token 费用
海外	Gemini 3.1 Pro Preview、GPT-5.4、Claude Sonnet 5	9	9/9	96	187.0 万	$4.9823 （≈¥33.88）	¥18.12
国内贵价	Doubao Seed 2.1 Pro、GLM-5.2、Qwen3.7 Max、Kimi K2.6	12	12/12	215	1,034.2 万	¥32.9812	¥3.19
国内平价	Qwen3.7 Plus、LongCat 2.0、DeepSeek V4 Pro、MiniMax M3	12	11/12	147	450.5 万	¥5.1958	¥1.15

三组均由真人编辑对首章做百分制盲评，由 GPT-5.5 做非盲模型评分；两组国内、一组海外的评估框架一致，本报告据此做跨组比较。​

本报告将"写作能力"拆为四个维度分别比较：引导互动（策划阶段引导作者思考和决策）、结构设计（策划文件体系与大纲工程）、执行遵从（正文对预写章纲的遵从性）、正文创作（首章实际阅读质量）。​

从测试结果来看，这四种能力的实际相关性很低。

维度一：写作引导互动

考察模型在 Plan 阶段是否稳定、有效、合理地帮助作者澄清需求、做出创作决策，而不是"说了多少"。​

引导评分与分层

层级	模型	引导均分	引导风格
第一梯队	Claude Sonnet 5	4.57	共创策划型：提供题材路线、金手指形态、剧情空间选项，答案扩展为完整设定体系
第一梯队	GLM-5.2	4.53	工程拆解型：历史/国术/原著资料 + 六卷拆解，把模糊题材变成百万字工程
第二梯队	Qwen3.7 Max	4.47	责编管理型：伏笔记录、角色进度、卷级管理，最贴近连载责编视角
第二梯队	GPT-5.4	4.33	产品经理型：书名、简介、标签、卖点、目标读者、分卷与开篇方案，平台化意识最强
第三梯队	Doubao	4.27	快速推荐型：迅速给推荐设定并持续执行，认知负担低，但停止控制有时越界
第三梯队	DeepSeek V4 Pro	4.2	约束共创型：把建议变成约束——历史锚点、行为边界、金手指强度、创作禁忌；有效性 4.6 为平价组最高，但首轮引导过程不可核验
第三梯队	Gemini	4.10	极简确认型：确认篇幅、类型、时代后立即开工，适合已知道要什么的作者
第三梯队	Kimi K2.6	4.03	简洁开工型：引导少，对平台定位、长线风险主动拆解不足
第三梯队	Qwen3.7 Plus	4.0	少问快做型：能稳定产出可执行方案，但建议本身审校不足（篇幅超界、历史顺序、战力玄幻化）
第四梯队	LongCat 2.0	3.4	访谈型：主动提问意识最强（有效性 3.9），但提问质量未转化为可靠方案，年代倒序、战力膨胀
第四梯队	MiniMax M3	2.9	引导是硬伤：ask_followup_question 工具至少失败 5 次，一轮 Plan 完全失败；成功样本的五问引导本身可用（稳定性仅 2.0）

关键结论

引导最强的是 Sonnet 5 和 GLM-5.2，两者路线不同：Sonnet 让作者"做选择题"参与共创，GLM 替作者"做研究"补足知识。GPT-5.4 与 Qwen Max 紧随其后，分别以商业定位和过程管理见长。​

Gemini、Kimi、Qwen Plus 属于"低引导高执行"，对新手作者帮助有限，对目标明确的作者反而干净利落。​

DeepSeek 的引导有效性（4.6）已达头部水准，其特点是把建议直接变成写作约束，只是过程展示不稳定。​

需要警惕的共性问题：引导强的模型（GPT、GLM、Qwen Max）都出现过"把策划完成当成任务终点"，所以作者需要掌握自己的真正目标是什么。​