发现本吧很多吧友倾向于用ds写文，或者用酒馆，但却没有任何榜单综合测试过大模型中文写作方面的能力。
所以我用gpt5.5深度研究做了这个榜单，它只使用公开可检索的第三方评分、排行榜和模型资料。
基础权重如下：
中文能力35％
写作能力30％
角色扮演能力20％
通用基础能力15％
具体评分来源太杂了暂且不写，会放评论
图中绿色柱为高可信度数据最全的模型，蓝色柱为缺失部分重要测试的模型，例如中文数据不足，灰色柱为较旧模型。
本测试结果没有实测，仅供参考，如若不认同，默认野榜即可
（注1：图中价格因为部分国产模型价格不准确是因为单位换算，以官方价格为准）
（注2：如若需要深度研究的提示词，研究报告，评分来源等详细信息，可以留下评论）

gpt5.5研究的报告，因此gpt5.4的排名存疑，可直接排除

本排名主要参考四类公开数据：
SuperCLUE 中文榜单用来作为「中文原生能力」的主要锚点。它反映模型在中文语境下的综合表现，但它不是专门的写作/RP榜，所以不能单独决定排名。
Arena / LMArena Text 分类榜主要参考其中的：
Creative Writing：近似代表开放式创意写作偏好；
Instruction Following：近似代表指令遵循、人设规则遵守能力；
Longer Query：近似代表长输入、多轮复杂对话和长上下文处理能力。Arena 的优势是样本量大、偏真实用户偏好，但它不是中文专榜，英文和通用任务权重较高。Arena 榜单显示其 Text Arena 覆盖大量模型，并基于用户投票形成分类排名。
EQ-Bench Creative Writing v3用来衡量模型的创意写作能力、文风质量、重复度和 AI 腔倾向。EQ-Bench Creative Writing v3 是一个 LLM-judged 创意写作 benchmark，包含 Elo Score、Rubric Score、Repetition、Slop Score 等指标，其中 Slop Score 用于衡量模型输出中常见“AI 味”表达的频率。其 GitHub 说明显示，该测试包含 32 个写作提示、3 轮生成，共 96 个样本，并结合 rubric scoring 与 Elo 推断。
Artificial Analysis Intelligence Index用来作为通用智能、推理、代码、科学问题和复杂任务能力的基础约束项。它不直接代表中文写作/RP能力，但能反映模型处理复杂设定、推理、事实一致性和严肃题材写作的底层能力。Artificial Analysis Intelligence Index v4.0 被整理为综合多项 benchmark 的模型智能指数，覆盖数学、科学、编程、推理等维度。
此外，模型官方文档、模型卡、API 文档和发布说明只用于确认模型是否真实存在、版本是否可用、上下文窗口、价格、开源/闭源状态和官方定位；官方自测分数不会直接覆盖第三方榜单结果。

淡季贴吧

本排名的目标是评估模型在「中文写作与中文角色扮演」场景下的综合适配度，包括中文创意写作、小说续写、长篇 RP、人物对话、情绪互动、设定保持和长对话一致性。

你觉得gpt排第二合理吗？写文谁用gpt啊。

666，不过dsv4论文我记得说GPT克劳德写作能力和v4差不多，Gemini比较拉，v4对Gemini3.1胜率高达70%，或许你的图里Gemini高了？不过我也不懂，纯外行

讲个笑话，gpt第2，豆包第6，mimo第14，glm第18

kimi这么牛逼吗？

你的研究方法该不会是跟gpt说给我按要求研究一下然后排个名

不是哥们，你真觉得现在ai能完成测试别的ai这种任务啊，还一测20个。

楼主辛苦了

刚刚回复里说错了，ds论文中是和4.5o比中文写作。4.6o删了中文语料后写作还不如r10528。

这是技术报告的5.4.1中文写作章节：
DeepSeek 的主要应用场景之一是中文写作。我们对功能型写作和创意写作进行了严格评估。表 12 呈现了 DeepSeek-V4-Pro 与 Gemini-3.1-Pro 在功能型写作任务上的两两对比。这些任务由常见的日常写作查询组成，提示通常简洁直接。选择 Gemini-3.1-Pro 作为基线模型，因为它在我们的评估中是中文写作表现最优的外部模型。结果表明，DeepSeek-V4-Pro 以 62.7% 对 34.1% 的整体胜率优于基线模型；这主要是因为 Gemini 在中文写作场景中偶尔会让其固有的风格偏好凌驾于用户的明确要求之上。
表 13 展示了创意写作的对比，评估从两个维度进行：指令遵循度和写作质量。与 Gemini-3.1-Pro 相比，DeepSeek-V4-Pro 在指令遵循度上的胜率为 60.0%，在写作质量上为 77.5%，显示出在指令遵循度上有小幅提升，而在写作质量上有显著提升。尽管 DeepSeek-V4-Pro 在整体用户案例中表现更优，但若将评估限定在最具挑战性的提示——特别是那些涉及高复杂度约束或多轮场景的提示上——则会发现 Claude Opus 4.5 对 DeepSeek-V4-Pro 保持着性能优势。如表 14 所示，Claude Opus 4.5 取得了 52.0% 对 45.9% 的胜率。

glm5.1这么低？