# AI 写作怎么选模型？先按写作阶段分，不要只看榜单

> 更新于 2026-10-27 · 适用 v0.6.5 及以后版本

选模型不必追“最强”，要看当前这一步需要什么。新模型出得很快，可大多数评测测的是编程、数学和工具调用，写作并不在其中。写作要看中文语感、能不能读长文、论证够不够深，还要看速度和成本。同一个模型，可能擅长搭框架，却写不好初稿；可能适合挑毛病，不适合通篇润色。比较稳妥的做法是按写作阶段分工，再拿自己的材料试一遍。

## 为什么模型榜单不能直接回答“哪个写作好”

榜单测的多半是能判分的任务，比如代码能不能跑通、数学答案对不对、工具调用有没有成功。写作很难用这种方式打分。

一篇长文至少包含几种不同的能力：

- 读懂几十篇文献，提取观点；
- 搭出前后自洽的结构；
- 用中文写出具体、有节奏的段落；
- 对论点做反驳和补强；
- 按学校或公司格式导出。

这几项能力很少同步提升。有的模型代码榜很靠前，写起中文长文却偏抽象、偏生硬；有的模型综合分一般，中文语感反而自然，适合起稿。榜单可以参考，但别拿它替你决定。

## 四个判断维度

| 维度 | 看什么 | 怎么试 |
|---|---|---|
| 中文语感 | 句子是否具体、长短是否有变化、有没有明显的 AI 味 | 给同一段材料，让它写 800 字，读一遍是否像人写的 |
| 长上下文 | 能不能读完整篇论文、整本资料 | 同时放 3 篇长文，问跨文件的细节 |
| 论证深度 | 会不会找反例、补限定、区分事实与推断 | 给它一个结论，让它站在审稿人角度反驳 |
| 速度与成本 | 出词速度、思考时间、积分消耗 | 同一任务跑三次，记录时间和消耗 |

四个维度很难同时占优。真正要判断的是，这一步更需要写得好、读得全、想得深，还是够快够便宜。

## 按写作阶段选模型

下面这张表只是场景建议，不构成排名。型号会更新，按阶段分工的思路更耐用。

| 写作阶段 | 更适合的模型 | 原因 |
|---|---|---|
| 文献检索、归纳、做笔记 | DeepSeek V4 Flash | 速度快、成本低、上下文长，适合大量材料的初步整理 |
| 读长文档、跨篇对比 | Gemini 2.5 Pro | 长上下文和多语言资料处理能力强，适合先消化材料 |
| 搭框架、列大纲、多语言写作 | Gemini 2.5 Pro / 3.8 Flash | 知识面广，结构感强，适合从资料到提纲 |
| 中文初稿、情感类、文学性写作 | Kimi K3 | 中文语感和行文能力突出，适合需要“写得像中文”的段落 |
| 深度论证、审稿式挑错 | Claude Fable 5.1 / Opus 5.5 | 逻辑严谨，擅长找漏洞和补限定 |
| 学术论证的性价比选择 | GLM 5.3 / 5.3 Flash | 推理细、论证展开充分，Flash 成本更低 |
| 综合讨论、改结构、多轮打磨 | GPT 6.1 Sol / 5.6 Sol | 综合能力强，适合对话式讨论和反复修改 |
| 短平快、批量润色、压缩 | DeepSeek V4 Flash | 出词快、话少、成本低，适合重复性任务 |
| 中文长文备选 | Qwen 3.8 Max | 中文能力强、上下文长，适合作为 Kimi 之外的备选 |

## 成本档位怎么理解

下面按相对成本分档，方便你先排除不合适的选项。价格会调整，具体以应用内实时显示为准。

| 档位 | 代表模型 | 适合怎么用 |
|---|---|---|
| 低 | DeepSeek V4 Flash、GLM 5.3 Flash、Gemini 3.8 Flash | 检索、初稿、批量润色 |
| 中 | DeepSeek V4 Pro、Gemini 2.5 Pro、GLM 5.3、Qwen 3.8 Max | 日常写作、长文、常规论证 |
| 高 | GPT 5.6 Sol、GPT 6.1 Sol、Claude Sonnet 5.5、Claude Opus 5.5 | 关键章节、深度讨论、审稿式检查 |
| 很高 | Kimi K3、Claude Fable 5.1 | 中文定稿、关键论证，按需使用 |

常见的浪费，是拿很贵的模型做检索、摘要和格式整理。这些活用低成本模型就够了，预算留给真正需要判断的章节。

## 几个模型的写作特点

### DeepSeek V4 Flash：快、便宜、适合打底

检索、归纳、列提纲、写初稿、压缩、批量润色，都可以交给它。输出通常直接，不绕弯子，信息密度高。代价是论证展开比较紧，需要深推时换更强的模型。

DeepSeek V4 Pro 比 Flash 更强一些，适合在成本和能力之间取平衡。原来常用于小说写作的 V3.2 已经在 2026 年 10 月下线，新项目直接用 V4 系列即可。

### Gemini 2.5 Pro / 3.8 Flash：读得多、框架稳

Gemini 的长上下文和多语言能力，适合先消化大量文献、跨语言资料和长报告，再从中搭框架。它的行文相对平实，有人觉得“AI 味低”，但这不算稳定结论，还是要拿自己的题目试。

3.8 Flash 更快、更便宜，适合日常写作和中等长度文章；2.5 Pro 更适合长文档和复杂材料。

### Kimi K3：中文初稿的优先选项

Kimi K3 的中文行文是强项，适合写序言、讨论、书稿、情感类这些讲究语感的段落。它思考时间长，成本也高，用在“初稿之后的深度完善”更合适，不适合从头到尾大批量生成。

### Claude Fable 5.1 / Opus 5.5：适合论证，不适合整篇代写

Claude 系列逻辑严谨、推理细，适合做论证、反驳和审稿式检查。它的表达有时偏抽象，带着点“理科生”的味道，整篇整篇写中文未必自然。更合适的用法，是让它检查论点、找反例、补限定，而不是一口气代写全文。预算有限可以看 Claude Sonnet 5.5。

如果还想控制成本，可以用 GLM 5.3 作为国内模型的平替，论证能力也不错，缺点是思考慢、输出长。

### GPT 6.1 Sol / 5.6 Sol：适合讨论和改结构

GPT 系列综合能力强，适合多轮讨论、梳理思路、改结构，或者站在读者角度提意见。它的表达往往谨慎、句式完整，读起来像“标准答案”，八股味重一些。拿它当讨论伙伴和审稿人，通常比让它直接写正文合适。

### GLM 5.3 / 5.3 Flash：论证细，但要有耐心

GLM 5.3 的推理和论证展开比较充分，适合论文的核心章节、理论推导和需要逐条解释的部分。代价是思考时间长、输出字数多。5.3 Flash 成本更低，适合日常论证和中等难度任务。

### Qwen 3.8 Max：中文长文的备选

Qwen 3.8 Max 中文能力强、上下文长，适合长文写作和资料整合。如果你的题目偏中文、材料多，可以把它和 Kimi K3 放在一起对比。

## 怎么用同一道题自测

别人的结论只能当参考。更可靠的方法，是拿你自己的材料做一次小测试。

1. **固定题目**：选一段你熟悉的材料，要求写 800 到 1000 字，结构、字数、引用要求完全相同；
2. **固定提示词**：同一段提示词分别发给 3 个模型，不要中途加要求；
3. **按四项打分**：中文语感、事实准确、结构清楚、是否超字数；
4. **盲看一遍**：把模型名字遮住，读一遍，看哪一篇最像你想写的；
5. **记录成本**：记下思考时间、输出长度和积分消耗，别只看文笔。

测试题目最好贴着你的真实难点。写论文就用文献综述，写报告就用数据分析，写小说就挑一段对话。题目越接近真实场景，结论越有用。

## 常见误区

- **越新越强**：新模型可能主要提升了编程和工具调用，写作不一定同步提升；
- **越贵越好**：贵模型通常推理更强，但行文可能更生硬，成本也不适合大批量使用；
- **一个模型干到底**：检索、搭框架、写初稿、做论证、润色，本来就可以用不同模型；
- **把模型自评当客观评价**：让模型评价自己的文章，通常会得到偏高的分数；
- **只看榜单分数**：榜单测的任务和你的写作任务往往不是一回事；
- **忽略上下文质量**：同一模型，给足材料和不给材料，输出差距可能比换模型更大。

## 一个实际的工作流

如果不想每次纠结，可以固定一套流程：

1. **检索和归纳**：用 DeepSeek V4 Flash 快速读材料、做摘要；
2. **搭框架**：用 Gemini 2.5 Pro 或 3.8 Flash 把材料整理成大纲；
3. **写中文初稿**：用 Kimi K3 写需要语感的章节；
4. **做论证**：用 Claude Fable 5.1、Opus 5.5 或 GLM 5.3 找漏洞、补限定；
5. **压缩和统一**：用 DeepSeek V4 Flash 做精简和格式统一；
6. **去 AI 味**：最后用 Prose 的“降低 AI 味”工具逐段处理，具体方法见[AI 味太重怎么改](/guide/reduce-ai-flavor/)。

不是每篇文章都要走完六步。短文章可以只做第 1、3、6 步；论文和书稿更值得在第 4 步多花时间。

## 常见问题

### 写论文选哪个模型？

没有唯一答案。文献归纳可以用 DeepSeek V4 Flash 或 Gemini 2.5 Pro，中文初稿可以用 Kimi K3，论证和审稿式检查可以用 Claude Fable 5.1、Opus 5.5 或 GLM 5.3。更稳的做法是按章节分工，而不是整篇交给一个模型。

### 写小说选哪个模型？

优先看中文语感和长文一致性。Kimi K3 通常更适合需要细腻表达的段落，Qwen 3.8 Max 可以作为备选。写之前先定人物设定和章节大纲，再让模型续写，能减少前后不一致。

### 最贵的模型是不是写作最好？

不一定。贵模型通常在推理、代码和复杂任务上更强，写作还看中文语感、句式和语体。用你的题目试一遍，比看价格可靠。

### 一个模型够不够？

日常写作可以。论文、书稿、报告这类长项目，通常会在检索、初稿、论证、润色之间切换模型，效果更稳。

### 怎么判断一个模型适不适合我？

用同一道题、同一段提示词，让 3 个模型各写一遍，按中文语感、事实准确、结构清楚、成本四项比较。别只看一次输出，至少试三个不同任务。

### 模型更新了，这篇文章会不会过期？

具体型号会更新，但“按写作阶段选模型”的方法不会。看最新模型可以查[写作模型对比榜单](/writing-benchmark)，再看本文的分工思路。