2026 持續更新 AI 寫小說模型對決：ChatGPT、Claude Opus、Gemini、Grok、DeepSeek 怎麼選？

💡 核心結論速覽（TL;DR）

• 同一份「江瀾陸沉」細綱，跨幾個月實測 12 款 AI，再追加 Opus 4.8 Max，看誰寫小說最對味。
• 純文字質感天花板還是 Claude Opus：4.8 Max 伏筆編織最強、4.7 最自然、4.6 最文藝。
• 六家裡只有 Grok 4.3 做到「一個提示詞、文字＋圖一次到位」，圖文對齊細綱約 80%。
• 完全免費又要中文順：DeepSeek V4 和豆包（思考只要 16 秒）兩家網頁版不用付錢。
• 怎麼選：追文字質感選 Opus 4.8 Max、要配圖工作流選 Grok 4.3、零預算先試 DeepSeek 或豆包。

之前我做過一次 AI 寫小說的大亂鬥測試，沒想到那篇文章累積了超過三萬瀏覽。很多讀者留言問我：「2026 年的 AI 模型進步這麼快，現在用 AI 寫小說的效果到底怎麼樣了？」

老實說，我自己也很好奇。

所以我做了兩輪實測，跨幾個月。前一輪 6 款 2026 Q1 旗艦：GPT-5.4 Thinking、Claude Opus 4.6 和 Sonnet 4.6 Extended Thinking、Gemini 3.1 Pro、Grok 4.2 Expert、DeepSeek V3.2。2026 年 5 月各家又跳了一輪版本，我用同一套提示詞復測 6 款新模型：Claude Opus 4.7 Adaptive、ChatGPT 5.5 Pro 研究等級、Gemini Flash 3.5 延長思考、Grok 4.3 SuperGrok、DeepSeek V4 專家模式，外加新加入的豆包。後來 Opus 又往上跳了一版，我把最新的 4.8 Max 也用同一份細綱補測進來——所以 Opus 這條線是六家裡唯一能三代並看的（4.6 → 4.7 → 4.8 Max）。

兩輪合計 12 款模型。為了讓讀者直接看出同一個模型的進化軌跡，這篇用「同模型新舊版本對照」呈現——Opus 4.6、4.7 到最新追測的 4.8 Max、GPT-5.4 vs 5.5 Pro 並排、Grok 4.2 vs 4.3 並排，每組截圖並排一目瞭然。

這次復測還多了一道題：在提示詞第二句加「並在合適的地方插入一個符合故事情節的圖片」，看哪家 AI 能做到「文+圖一次到位」——結果非常意外，後面會單獨講。

順便講個有趣的數字。從最早那篇大亂鬥實測到這次復測，AI 已經幫我寫了十幾個不同版本的「江瀾陸沉初次相遇」。同一份細綱、同一杯被撞翻的咖啡、同一句「對不起，我趕時間」——但每家 AI 給出來的開場都不一樣。十幾個演員演同一個劇本，誰的演法最對你胃口？讀下去你就知道。

這次 AI 寫小說實測用了哪些模型？

正式開跑之前，先快速介紹兩輪實測的參賽選手。兩輪合計 12 款模型，前一輪 6 款是 2026 Q1 各家的旗艦或準旗艦級模型；2026 年 5 月復測的 6 款是當時各家最新的版本，外加新加入的豆包。如果你想了解這些 AI 模型的基礎能力差異，可以先看看「Claude Opus 4.5、GPT-5.1、Gemini 3 Pro 比較」這篇。

前一輪實測（2026 Q1）的 6 款模型：

2026 年 5 月復測新加入的 6 款模型（＋後續追測的 Opus 4.8 Max）：

AI 寫小說的實測方法：確保對比公平

為了讓兩輪結果能直接對照，我刻意沿用了完全相同的測試條件。

細綱是都市商戰題材的小說第一章，包含場景設定（現代都市高樓、精品咖啡廳、冷色調金屬質感）、兩位主角的性格描述（女主江瀾、男主陸沉）、開場的戲劇性相遇，以及阻礙、轉折、伏筆等完整的情節骨架。所有模型都餵入同一份細綱，要求生成前 500 字，不做後續追問或補充指令。

這份提示詞從第一次實測到現在沒變過一個字。這也是這份對照表可以橫跨幾輪、累積十幾個版本仍然有意義的原因。

我從五個面向評比：

文字流暢度：句子讀起來順不順？有沒有「每個字都對但加在一起很怪」的 AI 感？

情節連貫性：細綱裡的要素（阻礙、轉折、線索、伏筆）有沒有自然帶到？

人物刻畫：江瀾跟陸沉立不立得起來？讀者感覺得到他們的性格嗎？

氛圍營造：冷色調金屬質感的場景出得來嗎？

對話自然度：對話像不像真人在說？還是 AI 在硬擠台詞？

2026 復測新增第六個維度：複合指令執行力——能不能在文字生成的同時觸發圖像工具，達成文+圖一次到位。這個維度的差距比文字本身大得多。

2026 年 5 月復測的兩個變化（含生圖題）

2026 年 5 月做這輪復測時，跟前一輪有兩個變化。

第一，多測一個豆包。它在中文圈滲透很快，讀者留言一直問「豆包到底會不會寫小說」，這次加進來。

第二，提示詞第二句加了「並在合適的地方插入一個符合故事情節的圖片」，位置最顯眼。我想看哪家 AI 能做到「文+圖一次到位」。各家對這句的反應差距讓我很意外，後面在「生圖指令執行率」那段會單獨講。

新模型都用網頁版、不用 API，能訂閱付費的我都付了——這次要看的是各家「火力全開」狀態下的真實表現，不是免費版的縮水體驗。Opus 4.7 用 Adaptive、ChatGPT 5.5 Pro 用研究等級思考（有點殺雞用牛刀）、Gemini Flash 3.5 用延長思考、Grok 4.3 是 SuperGrok 訂閱版（這版本沒有額外的思考深度可調）、DeepSeek V4 跟豆包都跑專家模式。

接下來逐家對照新舊版本。

Claude Opus 寫小說：4.6 → 4.7 → 4.8 Max 三代進化對照

Opus 4.6 的版本：章名「第一章・灰色早晨」，開頭「三月的風從寫字樓的縫隙裡竄進來，帶著一股潮濕的涼意」——它不直接寫天氣，讓風自己「竄」、自己「帶」。光是這四個字章名加開頭，就把整個冷色調基調定下來。這是前一輪 6 個模型裡面唯一讓我停下來反覆讀了兩遍的版本。

Opus 4.7 Adaptive

Opus 4.8 Max（最新）

Opus 4.7 的版本：章名「七點四十三分」——這個切點很日常，像作家會用的真實時間錨點。「她從不在狀態緊繃的時候吃東西」這種微觀察，是 Opus 系列一貫強項，把人物心理藏在動作裡不直白說。

Opus 4.8 Max 的版本：章名「玻璃幕牆」——這四個字我一看就停了一下。它不像 4.7 拿「七點四十三分」這種時間當錨點，而是直接抓了一個會貫穿整本書的意象：玻璃幕牆既是江瀾站著的那棟寫字樓，也是兩個人之間那層「看得見、卻撞不破」的距離。跟豆包「灰度碰撞」是同一路審美，章名本身就在做雙關。開頭「電梯往上爬的時候，江瀾把投標書又翻了一遍」，一句話把職場壓力、空間、人物動作全收進去，沒有一個字是多的。

伏筆密度才是它真正的跳級點：短短 500 字，它一口氣埋了三個鉤子——陸沉胸卡翻了面、江瀾「沒看清上頭的名字」（替後面的身分謎題留白）；他從散落一地的文件裡「飛快抽走幾頁，動作快得近乎慌亂」（暗示那份資料不單純）；最後地上「躺著一張沒被撿走的紙」（江瀾無意間拿到關鍵線索的起點）。這三個轉折我在細綱裡只隨手寫了「阻礙、轉折、線索、伏筆」幾個詞，4.8 Max 全吃進去，還藏進動作裡，不靠旁白解釋。更難得的是它沒像 DeepSeek V4 那樣把密度衝到讀者喘不過氣——金句「生活就像一場談判。輸了，就是全盤皆輸」還特意處理成陸沉「像是說給自己聽的」，閃掉了 AI 最常見的尷尬：對著剛認識的人講大道理。這個分寸，是這次所有版本裡我覺得拿捏得最準的。

三代擺一起看（4.6 → 4.7 → 4.8 Max）：4.6 還帶點「我在寫文學」的刻意（章名挑「灰色早晨」）；4.7 放鬆下來，像寫熟了不用證明自己（「七點四十三分」就只是這個時間）；4.8 Max 又往前一步，開始有「結構意識」——知道哪裡該埋線、哪裡該留白、金句怎麼講才不突兀。前兩代我會說是「擬人感」的進化，4.8 Max 這一跳比較像「從會寫一個場景，到會佈局一整章」。

4.7 的生圖題：Opus 沒原生生圖引擎，但 4.7 主動做了變通——從 Pinterest、Dwell、Houzz 抓了三張極簡咖啡廳參考圖貼上來。六家裡只有它會主動找替代方案。但抓回來的圖都是空景沒人物，跟江瀾陸沉零關聯，等於只給了「氛圍 reference」而不是「插圖」。這個變通可以打 50 分：它知道要做、也試了，但結果沒到位。

4.8 Max 的生圖題：跟 4.7 一樣，Opus 到 4.8 Max 還是沒有原生生圖引擎，走的仍是「主動搜圖」這條變通路——從幾個設計／建築圖庫抓了三張極簡咖啡廳參考圖貼上來。比 4.7 進步的是這三張更貼題：水泥牆面、金屬吧台、落地窗的冷白光，跟細綱場景對得上，不再只是隨手挑的網美咖啡廳空景。但本質沒變——圖裡還是沒有江瀾跟陸沉，給的是「氛圍 reference」不是「插圖」。所以這題我一樣給 50 分：態度滿分、貼題度比 4.7 高，但離 Grok 4.3 那種「人物、服裝、場景一次到位」還差一截。

適合誰：追求文字質感、寫文學向短篇、人物刻畫吃重的場景。前一輪 4.6 跟 2026 復測 4.7 都行，4.6 在敘事結構複雜度上略勝，4.7 在擬人感上更穩。

不適合誰：需要「文+圖一次到位」工作流。這題 Opus 系列還不行，要走「Opus 寫文 + Midjourney 補圖」雙工具流程。

免費版 vs 付費版：Opus（不管 4.6、4.7 還是 4.8 Max）都是 Claude 訂閱限定，免費版只能用 Sonnet 或 Haiku。想試 Opus 系列的文藝感，沒 Pro 訂閱拿不到——六家裡「最沒辦法用免費版替代」的一家。網頁版在 Claude 官網。

那我現在會選哪一版？開稿我會優先拿 4.8 Max——它的伏筆編織是 Opus 系列目前最強的一版；4.7 勝在放鬆自然，4.6 文藝腔最濃。三版都是 Claude 訂閱限定，免費版只能用 Sonnet 或 Haiku，這點沒變。

Claude Sonnet 4.6 Extended Thinking（這次沒測新版）

測完 Opus 之後，我把同門師弟 Sonnet 4.6 也拉進前一輪。結果發現一件很有趣的事：這兩個模型寫小說的風格差異大到不像是同一家公司出品的。

Opus 的章名是詩意的「灰色早晨」，Sonnet 直接取名叫「陷路」——兩個字，利落，帶著懸疑感。

開頭也是截然不同的畫風。Sonnet 寫的是：「七點四十分，江瀾踩著細跟皮鞋走進樓下的咖啡廳。」沒有 Opus 那種詩意鋪陳，但節奏俐落、推進快。對話特別自然——尤其陸沉那句「對不起，我這禮拜過得很糟」，比 Opus 版本的「我趕時間」更有人味。

Sonnet 寫網文真的很合適。速度比 Opus 快很多、句子節奏密、對話像真人。如果你寫的是節奏快、對話多的網路連載，Sonnet 是這次測試裡最對胃口的選擇。

為什麼 2026 復測沒測 Sonnet 新版？因為 Anthropic 還沒推出 Sonnet 4.7——Opus 系列升到 4.7 了，Sonnet 還停在 4.6。等之後 Sonnet 升級了，再來補這對的新舊對照。

適合誰：寫網文、追快節奏和大量產出的作者。對話吃重的小說類型。

免費版 vs 付費版：Sonnet 是 Claude 訂閱方案內可用的模型，免費版有部分額度但功能受限。寫得勤的話建議直接 Pro 訂閱。網頁版在 Claude 官網。

GPT-5.4 Thinking（前一輪）

GPT-5.5 Pro 研究等級（2026 復測）

用 ChatGPT 寫小說：GPT-5.4 Thinking → 5.5 Pro 進化對照

GPT-5.4 的版本：它花了 19 秒思考之後才開始動筆，一出手就是非常紮實的開場：「早上八點二十，江瀾站在寫字樓的橢圓電梯間，低頭把白色襯衫最後一顆扣子扣好。」沒有多餘的鋪墊，直接把你拉進職場女性的早晨。情節推進有條理——壓力、相遇、文件散落、第一次對話。各方面都沒有明顯短板，是前一輪最穩定的選手。

GPT-5.5 Pro 的版本：章名「第一章｜失控的拿鐵」。這次刻意開到 Pro 研究等級思考想看「火力全開」，等了 7 分 23 秒。文字其實不錯——「她從不在狀態緊繃的時候吃東西」這種句子比 5.4 更節制、更留白，作家味確實上升。

新舊變化：文字節制感明顯升級，但思考時間從幾十秒變 7 分鐘是反直覺的代價。研究等級思考會把簡單需求過度抽象——對短篇小說這種「結構不複雜、文字需要靈氣」的任務，過度思考反而失靈。

5.5 Pro 的生圖題：徹底搞錯方向。最後給的「圖」是把小說內文塞進去當文字標籤，像 PowerPoint 截圖；落款還煞有介事地打了「插圖 JPG 文件：chapter1_cafe_encounter.jpg」這種佔位符。等於它「在描述要生圖」而不是真的生圖。研究等級思考的副作用——把簡單指令拆解到太深，反而失去原本本意。

適合誰：需要長篇連載、結構複雜、多人物多線敘事的內容創作者。5.5 Pro 的研究等級思考最能發揮在長篇結構掌控；5.4 Thinking 適合中短篇、想要均衡表現的人。

不適合誰：想用最快速度試出一段開頭、確認方向的人——5.5 Pro 的 7 分鐘思考夠你自己寫完一段了。短篇小說建議用 GPT-5.4 Thinking 或 GPT-5 標準版就好。

免費版 vs 付費版：研究等級思考是 Pro 月費方案的功能，免費版跟 Plus 都跑不到這個深度。但這次實測也提醒：思考越深不等於指令越準，免費版反而可能因為「沒想那麼多」直接給出更乾淨的圖。網頁版在 ChatGPT 官網。

Gemini 3.1 Pro（前一輪）

Gemini Flash 3.5 延長思考（2026 復測）

用 Gemini 寫小說：3.1 Pro → Flash 3.5 進化對照（半對照）

先說明這是半對照：Pro 跟 Flash 是不同產品線，Flash 是更快更輕量的版本。所以這不是純「3.1 → 3.5」的版本進化，是 Google 同時把產品線分得更細。

Gemini 3.1 Pro 的版本：是前一輪唯一一個寫完小說之後還會附上一段「構思解析」的模型。它把自己的創作邏輯分成「節奏與場景」「人物與衝突」「懸念與伏筆」三個區塊解釋。對於想學習小說結構的創作者來說，這個功能超實用。寫場景跟氛圍營造特別細膩，奇幻、科幻題材推 Pro。

Gemini Flash 3.5 的版本：開頭很直球：「清晨八點，陸氏金融大廈」，六個字交代時間、空間、氛圍。後面接「29 歲的江瀾站在電梯前」，完全沒拖泥帶水。效率高、適合網文節奏。但少了 Pro 那種「留一點呼吸」的文字感，讀起來像在快速推進劇情，不像在「鋪一個場景」。

新舊變化：Flash 3.5 在文字密度上跟 Pro 持平，但少了 Pro 的細膩感跟自帶的構思解析。產品定位本來就不同——Pro 細膩、Flash 直球，看你要什麼。

Flash 3.5 的生圖題：Google 自家就有 Imagen，網頁版也支援生圖功能。但 Flash 3.5 對「插入符合故事情節的圖片」這句指令完全沒觸發生圖工具，純文字輸出收工。它有能力但要使用者明確按下「生圖」按鈕才會觸發——這對「文+圖一次到位」工作流是個破口。

適合誰：奇幻、科幻、世界觀吃重題材 → Pro。網文短篇、追快節奏 → Flash 3.5。

免費版 vs 付費版：Flash 3.5 的延長思考要 Google AI Pro 訂閱才有，免費版的 Flash 思考深度有限。但 Gemini 自家的 Imagen 生圖功能免費版也有，如果你想試文+圖工作流，反而是免費版可能更主動觸發生圖（要明確選「生圖」模式）。網頁版在 Gemini 官網。

Grok 4.2 Expert（前一輪）

Grok 4.3 SuperGrok（2026 復測）

用 Grok 寫小說：4.2 Expert → 4.3 進化對照（最大黑馬）

Grok 4.2 Expert 的版本：Grok 一直是我很期待的選手。4.2 Expert 帶著四代理協作架構來，速度恐怖到不行——只花 6 秒思考加 597ms 生成。基本上你按下送出鍵文字就噴出來了。文字風格有自己的辨識度，但有時候有點太「不受控」——像才華洋溢但有點不受 prompt 約束的天才作家。

Grok 4.3 的版本：章名「第一章 灰影交錯」。網頁版沒有思考模式可選，預設跑完。文字部分老實說沒什麼驚喜——「七月的城市在清晨六點就已經了」這種開場句很標準，按細綱來，沒有 4.2 Expert 那種狂放感。

但讓我跌破眼鏡的是 4.3 對生圖指令的反應——六家 AI 裡，只有它真正做到「一個提示詞、文字 + 圖片一次出來」。圖裡細節對得上細綱：江瀾穿深藍套裝、陸沉穿深灰西裝、極簡咖啡廳、金屬吧台、落地窗，對齊度大概 80%。

新舊變化：文字本身 4.2 比 4.3 更有個人風格（狂放感、辨識度），4.3 比較中規中矩。但 4.3 在「複合指令執行力」這條線從零到一突破——其他五家不是沒能力（Gemini、豆包都有生圖引擎），是它們沒意識到「這句指令該觸發圖像工具」。Grok 4.3 把這層「指令到動作」的連結打通了。

我自己對 Grok 一向沒有太強好感（文字不夠細膩），但 4.3 給我上了一課：在「複合指令執行力」維度，它領先其他家不只一個身位。這次實測最大的反直覺發現——不是文字最好的模型贏，是「指令理解力最完整」的模型贏。

適合誰：追求「文+圖一次到位」工作流的內容創作者、做社群短篇需要配圖的網文作者 → 4.3。想找突破框架、找靈感、有寫作經驗的創作者 → 4.2 Expert 的狂放感更對胃口。

不適合誰：追求純文學感、不需要配圖的純文字創作；對 X 平台政策有疑慮的使用者。

免費版 vs 付費版：免費版的 Grok 每幾小時只能用幾則，模型版本通常落後付費版半代。Grok 4.3 是 SuperGrok 訂閱版才能選的。免費版的 Grok 雖然也能生圖，但圖文同步指令的執行力沒這次這麼穩定。網頁版在 Grok 官網，訂閱方案在 Settings → Subscription。

DeepSeek V3.2（前一輪）

DeepSeek V4 專家模式（2026 復測）

用 DeepSeek 寫小說：V3.2 → V4 進化對照

DeepSeek V3.2 的版本：規格最「硬核」——685B 參數的 MoE 架構、支援深度思考模式。章節標題「意外交鋒」，整體敘事結構是完整的，該有的環節都有。跟更早一輪的 DeepSeek 比，V3.2 在邏輯連貫性上改善了非常多。但文字流暢度跟 Opus、GPT 比還有差距，有些句子讀起來偏「機器感」。

DeepSeek V4 的版本：跑專家模式（深度思考），輸出的 500 字幾乎沒有一句廢話。把細綱裡所有要素都塞進去——人物心理、場景細節、伏筆、金句，甚至連「古地球礦業」這種我隨手寫的詞都成了關鍵伏筆。

新舊變化：V4 在「伏筆編織能力」上明顯進步。V3.2 那時候還會漏掉一些細綱要素，V4 一個都不放過。資訊密度也更高。但這也是它的問題——讀起來像濃縮咖啡，密度大到讀者沒辦法消化。好的小說開頭需要留白，讓讀者吸一口氣、消化、再迎接下一段。V4 把這個呼吸感給壓縮掉了。

V4 的生圖題：沒做。DeepSeek 至今沒有原生圖像引擎，純文字 LLM。跟 Opus 一樣的情況，但 DeepSeek 沒像 Opus 那樣去搜尋替代圖，就是老老實實純文字輸出。我認可這種「不會就不勉強」的態度。

身為從基層工程師走上來的 PM，我知道「資訊密度」這個 metric 對工程師很有吸引力——DeepSeek 一直在這條路上跑。但對讀者來說，密度 ≠ 好讀。這是 DeepSeek 之後可以調整的方向。

適合誰：寫懸疑、推理、伏線吃重的小說類型 → V4。預算有限、想免費試 AI 寫小說的初心者 → V4。喜歡資訊密度勝過文學留白的讀者 → V4。

不適合誰：追求文學感、慢節奏的純文字創作；需要文+圖一次到位的工作流。

免費版 vs 付費版：這是六家裡最特別的一家——DeepSeek 網頁版完全免費，連專家模式都不用付錢，只有 API integration 才需要付費。如果你想試 AI 寫小說但完全不想花錢，DeepSeek V4 直接就是最高 CP 值的選擇。網頁版在 DeepSeek 官網。

豆包專家模式首次登場（這次新加入）

豆包是這次新加入的選手，之前沒測過。身為跨兩岸 10 年的人，我對豆包這款字節跳動的 AI 有不少日常使用經驗——它在中文圈的滲透速度很驚人，特別是大陸內容創作者。

豆包用專家模式跑出來的章名叫「灰度碰撞」，這四個字真的有意思——「灰度」一語雙關，既指咖啡廳冷調灰色的視覺氛圍，也暗示兩人之間「不黑不白、模糊地帶」的情感張力。六家裡這是最有作家審美的章節名選擇。

文字密度不錯，符合中文網文讀者口味。思考時間只用了 16 秒，比 ChatGPT Pro 的 7 分鐘快上百倍。這是它的優勢——對中文母語使用者來說，反應速度跟文字流暢度都很自然。

生圖題：沒做。豆包網頁版有生圖功能，按鈕在輸入框右下角，但要使用者明確點才會啟動。它對提示詞第二句的生圖指令沒反應。跟 Gemini 一樣——能力在但沒觸發。

豆包跟其他五家比，在「中文文學審美」這維度有優勢——對中文字詞、雙關、意象的敏感度，比歐美訓練的模型多一層。這可能是訓練資料天然的優勢。

適合誰：寫中文網文、追求中文表達自然度的創作者；不介意簡體 / 跨兩岸用語的使用者；想試免費、快速的 AI 小說工具。

不適合誰：需要繁體中文純度高的台灣讀者（要自己再校對）；需要文+圖一次到位的工作流。

免費版 vs 付費版：豆包跟 DeepSeek 一樣，網頁版完全免費就能用專家模式。但豆包有兩岸版本差異——大陸版（doubao.com）跟海外版的訓練資料和審查邊界不太一樣，台灣使用者連 doubao.com 通常能直接用，但敏感主題的處理會比歐美模型謹慎。網頁版在 豆包官網。

六家 AI 對「生圖指令」的反應差太多——只有 Grok 一次到位

這次實測最讓我意外的不是文字品質，是六家 AI 對「並在合適的地方插入一個符合故事情節的圖片」這句指令的反應差距。我把這句指令放在提示詞的第二句，緊接在主任務之後、所有細綱之前——位置最顯眼、權重最高、理論上最該被吃到。

結果六家裡只有一家完整做到。其他五家不是「沒能力」，是「沒理解這句指令該觸發圖像工具」。這個發現比「哪家文字寫得好」更有商業價值，也是這篇文章我覺得最值得分享的觀察。

六家對生圖指令的反應對照：

為什麼 ChatGPT 5.5 Pro 思考越久反而搞錯？

它思考了 7 分 23 秒，最後給出來的不是真正的圖，是把小說內文塞進一張圖片標籤裡，還煞有介事打了個檔名「chapter1_cafe_encounter.jpg」。這是研究等級思考模型的常見副作用——把簡單指令過度拆解、過度抽象，反而失去原本的本意。「插一張圖」這個簡單需求，被它理解成「描述一張我想插的圖」。

為什麼 Gemini 跟豆包能生圖卻沒生？

Gemini 有 Google 自家的 Imagen，豆包有字節跳動的圖像引擎，網頁版都有生圖按鈕。但這兩家的判斷邏輯是「使用者要明確選生圖模式」，不會因為對話裡出現一句「插入圖片」就自動切換。這是工程上的保守設計，不是能力問題——但對「文+圖一次到位」工作流來說，這個保守就是斷點。

為什麼 Claude 沒生圖能力卻嘗試搜了圖？

Opus 4.7 是六家裡唯一一個「有意識到指令存在、嘗試替代方案」的模型。它沒有原生生圖引擎，所以去網路搜了三張極簡咖啡廳參考圖貼上來。這個變通可以打 50 分——它知道要做、也試了，但搜回來的圖都是空景沒有人物，跟江瀾陸沉的關聯度等於零。能力的差距不是它能跨越的，但「不放棄」這件事讓人印象深刻。

Grok 4.3 為什麼能做到？

Grok 4.3 不是文字最好的、不是思考最深的、不是中文最自然的，但它在這次測試裡贏在最關鍵的一點：它把「插入一張符合故事情節的圖片」這句指令翻譯成「呼叫生圖工具」這個動作。其他五家不是沒能力，是這層「指令到動作」的連結沒打通。

對未來 AI 工作流的啟示：

身為每天用 AI 超過 10 小時的人，這個現象提醒我兩件事。

第一，「文字品質好」跟「複合指令執行力」是兩個維度，未來會分流。寫純文字小說，Opus / ChatGPT / 豆包都可以；但要「一個 AI 跑完整篇章（含配圖）」的工作流，目前只有 Grok 走通。這個差距會在未來半年到一年內被其他家補上，但現在誰能用，誰就有效率優勢。

第二，提示詞位置不一定救得了模型理解力。我這次特意把生圖指令放第二句最顯眼的位置，ChatGPT 7 分鐘的思考都沒救回來。這代表如果你要用 AI 跑複合工作流，最好還是用「能力清楚分工」的模型，而不是「一個模型解決一切」。

跟上次比，AI 寫小說到底進步了多少？同模型新舊版本進化軌跡

用同一套提示詞跑兩輪、跨幾個月的版本演進，這個對照表目前在 Google 搜尋結果上沒人做——其他 AI 寫小說評測通常只測「當下這版」，不會跟「同模型上一版」做縱向比較。這也是這篇文章我覺得最有資訊增益的部分。

四對完整對照、一對半對照、兩個無對照：

觀察 1：進化不是全面的，是分維度的。

四對完整對照裡，Claude Opus 跟 DeepSeek 都進化了，但進化的方向不一樣。Opus 4.7 進化在「擬人感」——讀起來更像作家寫的、刻意感更低。DeepSeek V4 進化在「深度」——伏筆更密、邏輯鏈更長。這代表使用者選 AI 寫小說時，不能只看「哪家最新」，要看「哪家的進化方向跟我需要的東西對得上」。

觀察 2：ChatGPT 的進化是反直覺的。

GPT-5.4 Thinking 到 5.5 Pro 研究等級，理論上是升級，但實測下來「思考時間變長」沒帶來「指令理解更準確」。反而因為思考過度，把簡單的「插一張圖」誤解成「描述要插的圖」。這是 OpenAI 在 Pro 訂閱方案上的取捨——研究等級思考適合複雜推理任務，但對「短文 + 簡單視覺需求」這種日常用法，可能不適合預設打開。

觀察 3：Grok 是這次最大的黑馬。

從 Grok 4.2 Expert 到 4.3，文字本身沒進步多少。但因為生圖指令是這次新加的，Grok 4.3 直接做到「文+圖一次到位」，領先其他家不只一個身位。這個進化是「從不能到能」的能力突破，不是「從 80 分到 90 分」的微調。身為 PM，我在團隊裡常講「能力突破比能力優化重要 10 倍」，這次 Grok 給了一個非常具體的例子。

觀察 4：Gemini 跟豆包是這次最讓人失望的。

Gemini Flash 3.5 跟豆包都有自家生圖引擎，網頁版也都支援生圖功能。但這次它們對「插入圖片」這句指令完全沒反應，等於把優勢藏起來。這不是能力問題，是工程設計問題——「自動觸發 vs 使用者手動切換」的判斷，兩家都選了後者。對追求「一次到位」的工作流來說，這個保守就是斷點。

整體判斷：AI 寫小說的「能力上限」這幾個月確實有進步，但進步幅度不像 2024 那波 GPT-4 跳到 GPT-4o、Claude 3 跳到 Claude 3.5 那麼大。這一輪更像是「分維度精修」——每家在自己擅長的方向繼續優化，而真正的能力突破（從不能到能），這次只發生在 Grok 的「複合指令執行力」這條線。

前一輪 6 款（2026 Q1）綜合評比

測完所有模型之後，我把各面向的表現整理成一張表：

幾個重點發現：Claude Opus 4.6 在文學品質上穩坐第一把交椅，但速度是它的硬傷。GPT-5.4 Thinking 是最均衡的全能型選手。Sonnet 4.6 的對話能力讓我印象最深，角色互動最有「人味」。Grok 4.2 在創意和速度上都拿到最高分，只是穩定性還要再磨。Gemini 的氛圍營造跟自帶解析這兩點很加分。DeepSeek V3.2 雖然整體墊底，但免費這張牌太實在了。

2026 復測這輪綜合評比（含 Opus 4.8 Max）

這輪復測的 6 款新模型，加上後續追測的 Opus 4.8 Max，我用同一套維度整理成一張表，方便跟上面前一輪那張直接對照。星等是依這輪實測的實際表現給的，純文字面向為主——Grok 4.3 的強項（文＋圖一次到位）不在這幾個維度裡，所以它在這張表看起來不亮眼，要搭配前面的說明一起看。

AI寫小說哪個模型最好？我的選擇建議

測完 12 款模型（前一輪 6 款 + 2026 復測 6 款），我整理出一份選擇指南，你可以根據自己的需求來挑。

追求文學品質、寫純文學或嚴肅文學→ Claude Opus 4.8 Max（4.7 Adaptive、4.6 Extended Thinking 也都很好）

Opus 系列的文字質感和敘事結構是目前所有 AI 裡最好的。最新的 4.8 Max 在埋伏筆、佈局一整章上又上一個台階，是這條線目前最強的一版；4.7 勝在放鬆自然，4.6 文藝腔最濃。那種「讀完一段會停下來回味」的感覺，只有 Opus 系列做得到。

需要均衡表現、什麼類型都能寫→ GPT-5.5 Pro 或 GPT-5.4 Thinking

GPT 系列各方面都沒有明顯短板，是最安全的選擇。GPT-5.5 Pro 研究等級思考適合長篇複雜結構、多人物多線敘事；GPT-5.4 Thinking 則適合快速試水溫、節奏比較輕快。

寫網文、需要快節奏和大量產出→ Claude Sonnet 4.6 或 豆包專家模式

Sonnet 4.6 Extended Thinking 速度快、節奏好、對話超自然，非常適合連載型的網路小說。豆包專家模式中文網文風格更貼近中文母語讀者口味，反應速度也快上百倍（思考 16 秒 vs Sonnet 幾分鐘）。

需要紮實的世界觀設定→ Gemini 3.1 Pro（Flash 3.5 略遜）

如果你的小說類型是奇幻、科幻這種很吃設定的題材，Gemini 在場景建構和背景鋪陳上有天然優勢。Gemini 3.1 Pro 比 Flash 3.5 細膩，加上它自帶構思解析，等於一邊寫一邊教你；Flash 3.5 比較適合快節奏網文，世界觀深度稍打折。

想要突破框架、找靈感→ Grok 4.2 Expert

速度快到離譜，文字風格有自己的辨識度，適合已經有寫作經驗、想找不同切角的創作者。

需要文+圖一次到位的工作流→ Grok 4.3

這次的最大黑馬，六家裡唯一達成「一個提示詞、文字+圖一次到位」的模型。圖片對齊細綱 80%。文字本身平庸，但複合指令執行力遠遠領先其他家。寫社群短篇、需要配圖的網文作者，Grok 4.3 目前是唯一選擇。

伏筆吃重、推理懸疑類型→ DeepSeek V4 專家模式

資訊密度六家最高，伏筆編織能力最強，邏輯連貫性極佳。它把細綱裡所有要素都塞進去、連隨手寫的詞都能成為關鍵伏筆。寫懸疑、推理、推理向小說最適合。

中文網文 + 快速產出 + 零成本→ 豆包專家模式

中文審美最在地、章節命名最有畫面感（這次它的「灰度碰撞」是六家最有意境的章節名），免費可用。注意兩岸版本差異——大陸版跟海外版的訓練資料和審查邊界不同。台灣使用者連 doubao.com 通常能直接用。

預算有限、想先試水溫→ DeepSeek V4 或 豆包

兩家都完全免費（網頁版專家模式不用付錢）。DeepSeek V4 比之前的 V3.2 進步明顯，伏筆編織能力上一個台階；豆包在中文流暢度上有母語優勢，加上速度極快，初心者試水溫推這兩家。

還是不確定的話，這個快速判斷表給你：

什麼情況我會直接告訴你「先不要」：

• 如果你連故事框架都還沒想清楚，就想找一個 AI 幫你「從零到一寫一篇小說」——任何模型都救不了你，先把故事框架想清楚再來
• 如果你期待 AI 幫你寫出「能直接出版」的成品——目前所有模型都還在 80 分階段，最後 20 分還是要你自己潤色
• 如果你不想花時間調提示詞，期待「一句話搞定」——這次實測連最厲害的 Grok 都只做到 80% 對齊細綱，剩下 20% 還是要你手動修

幾個我踩過的坑，先幫你避掉

做這兩輪測試的過程中，我也踩了不少坑，這邊一起分享：

坑一：prompt 別寫得太死。我一開始給的細綱非常詳細（章數目標、阻礙、轉折、線索、伏筆全部寫好了），結果發現有些模型幾乎是「照翻」我的大綱，反而失去了創意發揮的空間。後來我留了一些「模糊地帶」，模型的表現立刻好了一截。有趣的是 Grok 最不受 prompt 約束，它就是要按自己的想法來。

坑二：Thinking 模式不是萬靈丹。這些推理模式在寫小說的時候確實能帶來更完整的結構佈局，但也會讓文字變得「太理性」。GPT-5.4 想了 19 秒寫出來的東西很完整，但少了點靈氣。這次復測的 ChatGPT 5.5 Pro 研究等級思考更是極端例子——7 分多鐘的思考，反而把簡單的「插一張圖」誤解成「描述要插的圖」。思考越久不等於越準。

坑三（2026 復測新發現）：複合指令 ≠ 模型自動執行。我這次特意把「插入一張圖片」放在提示詞第二句最顯眼位置。結果六家裡只有 Grok 4.3 真正觸發生圖工具。Gemini 跟豆包自己有生圖引擎卻沒主動觸發；ChatGPT 想太多搞錯方向；Claude 沒生圖能力但會搜替代圖。要 AI 跑複合工作流，現階段別期待「一句話搞定」，要明確切換到對應工具。

坑四（2026 復測新發現）：付費版不見得永遠贏免費版。我這次幾乎所有家都訂了 Pro 方案，但實測下來 DeepSeek 跟豆包這兩個免費版居然表現都不錯——DeepSeek 伏筆編織能力最強、豆包中文網文審美最在地。如果你預算有限，先試免費版反而可能比直接訂閱付費版更划算。

結語

2026 年的 AI 寫小說工具，已經從「堪用」進化到「好用」。這兩輪測試最深刻的感受是：模型之間的「性格差異」越來越明顯。

前一輪：Opus 文藝、Sonnet 俐落、GPT 穩健、Grok 狂放、Gemini 細膩、DeepSeek 務實。

2026 復測：Opus 一路升到 4.8 Max、伏筆編織與整章佈局最強，ChatGPT 5.5 Pro 思考過度、Gemini Flash 3.5 直球快節奏、Grok 4.3 從零到一突破文+圖、DeepSeek V4 伏筆密度爆表、豆包中文審美最在地。

12 個風格完全不同的寫手。但這兩輪實測讓我看到一個更深的訊號：「文字品質」跟「複合指令執行力」是兩個會分流的維度。寫純文字小說，Opus / ChatGPT / 豆包都行；但要「一個 AI 跑完整篇章（含配圖）」的工作流，目前只有 Grok 4.3 走通。想看同一批 AI 在其他任務上的差距，可以對照：純編程跟 Agent 工作流的旗艦對打看 GPT-5.5 vs Claude Opus 4.7 全方位對決；含中文字海報跟商業圖看 ChatGPT Images 2 vs Midjourney vs Grok Imagine 三巨頭實測；訂閱前想看付費版差別則看 Claude／ChatGPT／Gemini 三大付費 AI 完整比較；先用免費版起步可看 2026 年最值得試的 8 款免費 AI 工具，一次補齊「寫作／編程／生圖／訂閱選擇」四個面向。

工具再好，最終決定一部小說好不好看的，還是創作者本身的審美和判斷力。AI 能幫你快速產出初稿、突破靈感瓶頸、在你卡關時提供意想不到的切角。但那個讓讀者忍不住翻到下一頁的魔力，來自於你——一個真正理解故事、理解人性的人。

順帶一提，這對被 12 款 AI 反覆重寫初次相遇的男女主角——江瀾跟陸沉——本來只是隨手做的細綱，被十幾個版本反覆呈現後，反而越來越有血肉。也許之後可以真的把他們寫成完整故事，畢竟提示詞我已經測得熟透了。

你的下一步：從讀完這篇到真的試試看

讀完這篇你已經對 12 款 AI 寫小說模型的差別有完整概念了，但「知道」跟「用過」是兩件事。我建議你按這個順序走，省下不必要的訂閱費和踩雷時間。

第一步：零成本試手感（這週就能做）

• 先到 DeepSeek 官網跑一段，看看 AI 寫小說的最低門檻是什麼樣
• 用同樣的提示詞到 豆包官網跑一次，比較中文母語 vs 國際模型的差異

第二步：付費選一家深耕（試完免費版後）

• 追文字質感 → Claude Pro 訂閱，主力用 Opus 4.7
• 追文+圖一次到位 → SuperGrok 訂閱，主力用 Grok 4.3
• 追長篇連載 → ChatGPT Pro 訂閱，但先用 Plus 月費試水溫

第三步：建立你自己的提示詞模板

實測完幾家後，你會發現好的提示詞比好的模型重要。我這次用的細綱式提示詞，你可以直接拿去用、自己改。寫小說不是丟一句「寫一篇愛情小說」就完事，細綱越具體、AI 寫出來的東西就越貼近你想要的——也歡迎你自己換主角、換場景，創造你自己版本的「江瀾陸沉初次相遇」。

歡迎到 關於夜羽凌 看看我其他 AI 工具實測，或訂閱我的部落格，會不定期收到信。

寫小說只是其中一個用途，想把每家的模型整包、日常該怎麼選搞清楚？我各寫了一篇選型對比：ChatGPT 模型選型全攻略、Claude 模型怎麼選（Opus、Sonnet、Haiku）、Gemini 模型怎麼選（Pro、Flash、Flash-Lite）。

常見問題（FAQ）

2026年AI寫小說哪個模型最好？

看你要寫什麼。追求文學品質選 Claude Opus，三代裡最新的 4.8 Max 伏筆編織最強、4.7 最自然、4.6 最文藝；要長篇結構選 GPT-5.5 Pro；寫中文網文選豆包或 Sonnet 4.6；預算有限挑免費的 DeepSeek V4。沒有單一冠軍，先確定類型再選。

AI寫小說跟人類作家差距還大嗎？

2026 年的 AI 寫小說工具已從「堪用」進化到「好用」，節奏、角色塑造、中文表達都明顯進步，最新的 Claude Opus 甚至能自己佈局一整章的伏筆。不過 AI 初稿仍需人工潤色，從 80 分推到 95 分的最後一段路，還是得創作者自己走完。

有免費的AI寫小說工具嗎？

有。DeepSeek V4 和豆包的網頁版專家模式都完全免費。DeepSeek V4 伏筆密度最高、邏輯連貫，適合推理懸疑；豆包中文最順、思考只要 16 秒。零預算想試 AI 寫小說，先從這兩家入手最划算。

用AI寫小說需要什麼技巧？

三個關鍵技巧：一、prompt 不要寫得太死，留一些模糊地帶讓 AI 發揮創意；二、Thinking／研究等級思考不是萬靈丹，想太久反而把簡單需求（例如「插一張圖」）搞複雜；三、別指望一次到位，AI 給的是高品質初稿，最後的潤色和改寫仍要創作者自己完成。

ChatGPT和Claude寫小說哪個比較好？

看用途。要長篇、多線、結構複雜選 ChatGPT（GPT-5.5 Pro 研究等級思考結構最穩）；要文字質感、人物與氛圍選 Claude Opus（最新 4.8 Max 文藝感與伏筆最強）；對話多、節奏快的網文，Claude Sonnet 4.6 最自然。沒有絕對贏家，看你寫哪一種。

豆包寫小說真的能用嗎？跟 Claude 比差在哪？

豆包專家模式對中文網文很有優勢，特別是中文字詞的雙關、意象敏感度。這次它的「灰度碰撞」章節名是六家裡最有畫面感的。但豆包沒主動觸發生圖，而且台灣使用者要適應簡體訓練資料的偏好。跟 Claude Opus 4.7 比，豆包贏在中文在地審美跟速度（思考 16 秒 vs Opus 幾分鐘）；輸在文字節制感跟留白功力。中文網文選豆包，文學向短篇選 Opus。

AI 寫小說能一次同時生出文字跟圖片嗎？

2026 年的現在，只有 Grok 4.3 做到「一個提示詞、文字＋圖一次到位」。其他家不是沒能力（Gemini、豆包、ChatGPT 都有生圖引擎），是「指令理解力」沒打通——它們不會因為對話裡出現一句「插入圖片」就自動切換到生圖模式。要它們生圖，目前還是要明確切到生圖介面。

跟上次測比，2026 這版 AI 寫小說真的進步很多嗎？

分維度看。文字品質有進步，但幅度不像 2024 那波 GPT-4 跳到 GPT-4o 那麼大。Claude Opus 進步在「擬人感」與「伏筆佈局」；DeepSeek 進步在「伏筆深度」；ChatGPT 思考更深但反而過度解讀；Grok 突破在「複合指令執行力」。這一輪是分維度精修，不是全面跳級。選 AI 寫小說要看「進化方向跟你需要的東西對不對得上」。

延伸閱讀

• ChatGPT vs Claude vs Gemini：2026 中文寫作到底該選誰？ — FuturePicker
• 怎麼與 ChatGPT 合寫小說？5 個技巧，AI 也能寫出好東西 — 數位時代
• 推薦 4 款免費的 AI 續寫網站：用 AI 續寫來創作小說 — GenApe
• 中文 AI 寫作工具比拼：7 款產生器推薦 — HK01
• GPT-5.3-Codex vs Claude Opus 4.6 同日發布背後的恩怨 — 知乎專欄