9050 份 AI 写的稿子教我的事：去掉套话不等于写得更好
来源：dev.to — 2026-10-12
📋 概述
作者团队在 Towards AI 用 AI 起草视频、课程、书籍和文章，审稿时最常遇到的就是「在当今快节奏的世界里，AI 不只是工具，而是一幅范式转移的挂毯」这类套话。为了量化哪种模型真的能写出他的语气，他从六月起做了基准：先请四个人花约 400 小时，把十份自己的脚本稿打磨成尽可能清晰的评分标准，再让模型带着语气指南、叙事指南、输出规则、过往示例、任务简报与研究资料重新生成，最后用四个模型评委（一个 GPT、一个 Claude、一个开源模型，加上 Jev）逐份评分，至今已测 181 种配置。最反直觉的发现是套话最容易修：前 15 名配置在「套话」一项都超过 90 分，而重建语气才是真正的分水岭。他还发现最高档算力收益极低——Opus 5.5 在 max 档拿到 90.8 分，xhigh 档 90.0 分只要 0.69 美元而不是 2.75 美元。
🔑 核心要点
- 团队花约 400 小时把十份自有脚本打磨成评分标准，再让模型生成对照稿。
- 评分不由人做，而是四个模型评委：一个 GPT、一个 Claude、一个开源模型，加上 Jev。
- 前 15 名配置在「套话」一项都超过 90 分，套话是最容易修的那一项。
- 最省套话的 GPT-6 Astra max 档拿到 94.9，却因语气不像本人，总排名只到第 62。
- Opus 5.5 在 max 档 90.8 分，xhigh 档 90.0 分只要 0.69 美元而非 2.75 美元：四倍价格换不到 1% 提升。
- 开源模型 GLM-5.3 Flash 用 1.5 美分拿到 88.2 分，比 Opus max 便宜近 190 倍。
💡 金句
生成已经变得很便宜，挑出最好的那一个才是难点——把钱花在评判和挑选上，而不是花在生成上。
👍 0
👎 0
← 返回 dev.to 首页