V2EX社区有用户发起讨论，询问目前中英文写作能力最好的AI大模型是哪一个。发帖人表示，主流模型在写作方面的表现均不尽如人意：GPT倾向输出大量冗余内容，重点不突出，读完抓不住要点；Claude则经常自创生僻词汇，影响阅读体验。该用户的核心需求是撰写报告和文章，可接受API调用方式，希望模型产出可读性强、AI味低的文本，同时保留逻辑性与思想深度，即在具备智慧的前提下，用更自然的语言把观点表达清楚。这一讨论折射出用户对大模型写作质量下滑的普遍困扰。随着各家模型将资源集中于推理、编程、Agent等能力竞赛，自然语言表达的自然度反被忽视，输出模板化、句式固化、辞藻堆砌等问题成为用户集中吐槽的焦点。社区成员围绕GPT系列、Claude系列等主流模型的中英文写作表现展开交流，也有人尝试通过提示词调优和后处理流程改善输出质量。如何让模型在保持智能的同时说好’人话’，正成为衡量大模型实用价值的重要维度。
事件分析
这场讨论背后是模型训练技术路线的取舍问题。当前大模型普遍依赖RLHF与合成数据训练，强化学习的奖励信号偏好结构化、高信息密度的表达，容易催生固定句式与过度修饰的’AI腔’；Claude的造词倾向与OpenAI模型的冗长输出，本质上是对齐策略与语言流畅性之间的冲突。写作是大模型在C端渗透率最高的场景之一，输出质量直接关系用户留存与付费意愿，因此该议题具有实际产业意义。后续可能的走向包括：厂商推出面向写作场景的专门版本或风格控制参数，社区侧则更多依靠提示词工程与后处理降低AI味。在中文写作细分场景中，国产模型与开源模型的竞争力同样值得持续观察。
核心观点：当各家模型忙于推理与Agent能力竞赛时，'说人话'这项基本功反而成了大模型最难修炼的短板。
原文链接：V2EX 分享发现
