题材横向比较
三期的评分维度、评委分组和加权规则相同，题材考点不同。
三期均分为 5.80、6.04、6.17，最大相差 0.37 分。整体评分松紧接近，跨期对比有基本可比性。
不同题材，分数差在哪
下面是每期十个模型的维度均分。
脑洞题材：网文感天然占便宜
网文感均分 6.53，比仙侠（5.88）和年代（5.69）高出大半分。 「微信群里蹦出牛顿」本身就有爽点和冲突。逻辑分也最低，只有 5.35。设定越跳，越难圆。
年代题材：逻辑最稳，网文感最难
逻辑均分 5.78 是三期最高，网文感 5.69 是三期最低。 年代文顺着生活逻辑写，硬伤相对少。难点是把粮票、筒子楼这些细节写真，同时把故事写得好看。
AI 感这一项的质量分连续三期下滑，从 4.36 降到 4.16，再降到 3.99，且每期都排在五个维度末位。 机器味仍是最普遍的问题。
篇幅与得分的相关系数，脑洞题材是 0.71，年代题材只有 0.14。 脑洞文要铺设定，字数不够讲不清楚；年代文靠选对细节，堆字数堆不出年代感。
侧重点不同，榜就重排
脑洞篇和年代篇同一天入库，由同一批评委在同一时期评完，适合直接看题材带来的变化。
左边是脑洞名次，右边是年代名次。模型和评委相同。
跌得最狠：DeepSeek V4 Flash
脑洞第 6（5.92）→ 年代第 10（4.67），掉了 4 名、1.25 分。 它在脑洞题材的网文感有 7.30（全场第二），到年代题材只剩 5.32； 洁净分也从 4.62 掉到 2.31。
升得最猛：Kimi K3
脑洞第 4（6.28）→ 年代第 1（7.19）。 它在脑洞题材写出过 8.00 也写出过 4.33，极差 3.67； 到年代题材三篇收敛到 8.00 / 7.36 / 6.20，稳住了就登顶。
十个模型里有八个换题材后名次发生了变化，只有 DeepSeek V4 Pro 和 GPT-5.6 Terra 纹丝不动（都是第 7 和第 8）。 同一模型换题材后的分差，可能比模型之间的分差更大。选模型时要先看题材。
谁擅长哪个题材
三期名次 1 / 1 / 3，总分极差只有 0.66。目前唯一不挑题材的模型。
仙侠第 4 是它三期最好的名次（此后第 9、第 6）。架空世界观这道题它答得最顺。
脑洞第 6，前后两期分别第 9、第 10。脑洞篇它的网文感冲到 7.30，全场第二。
年代篇登顶（7.19），年代细节写得又真又稳。三期名次 5 → 4 → 1，一路向上。
每个模型每期只有三篇，以上只看倾向。详细限制见文末。
章纲也会拉开差距
三期都让模型拿章纲直接写正文，三份章纲的来源和质量不同。
AI 直接生成，未经打磨。
AI 生成后做过人工优化。
来自已发表作品，节奏、冲突和钩子更完整。
真人章纲更会搭台
脑洞篇的网文感均分 6.53，三期最高。题材本身有优势，真人章纲也提前搭好了节奏、冲突和钩子。 模型只需把它们写出来。
去 AI 味要从章纲动手
章纲会定下正文的结构和表达习惯。只改正文，往往改不干净。章纲和正文都要处理。
三期分差里混有章纲质量的影响，不能直接按均分判断模型强弱。 做 AI 写作流程时，章纲质量要和正文质量一起管。
走完三期的四个模型
这四个模型连续参加了仙侠、脑洞和年代三期测评。
第二轮名单保留了仙侠篇第一名 Gemini 3.1 Pro、国产前两名 Qwen3.8 Max 与 Kimi K3， 以及当时新发布的 DeepSeek V4 Flash，用于和后续加入的 DeepSeek V4 Pro 对照。
Gemini 3.1 Pro 是唯一三期都待在第一梯队的模型（1 / 1 / 3 名），三期极差只有 0.66。 Kimi K3 一路向上，从仙侠的第 5 走到年代的第 1。 DeepSeek V4 Flash 三期极差 1.25，是四个里最看题材的一个。 Qwen3.8 Max 在脑洞题材有一次明显的塌陷（第 4 → 第 9 → 第 6）。
模型纵向比较
GLM 和 Gemini Flash 看版本变化；GPT-5.6 看同一系列的三个型号。
版本升级：GLM 与 Gemini Flash
GLM-5.2 → GLM-5.3 是最成功的一次升级：脑洞 +0.63，年代 +1.17， 每章成本从 $0.018 涨到 $0.0233，多花三成钱换来一个档位的提升。 Gemini 3.6 → 3.7 Flash 成本不变，两个题材 +0.20 / +0.42。
新旧版测的是不同题材和章纲，涨幅只能参考。两组新版在脑洞和年代都涨分，方向较一致。 最新发布的 Gemini 3.8 Flash，我们也会尽快安排进下一期测评。
GPT-5.6 Sol / Luna / Terra：同一系列的三个模型
Sol、Luna、Terra 是 GPT-5.6 系列的三个不同模型。按每章价格看，Sol 是旗舰型号，Terra 居中，Luna 是轻量型号，三者最多相差五倍。
Luna 与 Terra 使用相同题材和评委，适合直接对比： 脑洞差 1.33 分，年代差 1.19 分，而 Terra 每章还贵 1.5 倍。 这两期写网文，价格最低的轻量型号 Luna 得分更高，成本也更低 （两榜详见 第 03 期 · 脑洞篇 与 第 04 期 · 年代篇）。
Sol 只参加了仙侠篇，题材和评委都不同，不能和另外两个直接比：它拿到第 3 名，但每章 $0.145，是三个型号里最贵的。
这些比较在什么范围内成立
跨期对比受题材、章纲、评委和样本量影响。
- 题材对比最可靠
- 脑洞篇和年代篇同一天入库，由同一批评委在同一时期完成。主要变量是题材及配套章纲。
- 三期轨迹看适应性
- 三期评分口径一致，均分最大相差 0.37 分。题材不同，评委人数也有变化，因此轨迹适合看跨题材表现，不能当作模型能力随时间的变化。
- 版本涨幅只供参考
- 新旧版测了不同题材和章纲，分差混有其他因素。GPT-5.6 Luna 与 Terra 的同期对照更直接。
- 章纲来源不同
- 仙侠用普通 AI 章纲，年代用人工优化过的 AI 章纲，脑洞用已发表作品的真人章纲。三期均分不能直接排高低。
- 样本规模
- 每个模型每期只有三篇。波动大的模型均分参考价值较低，名次变化也会受随机性影响。
各期的完整榜单、维度拆解与全部原文： 第 02 期 · 仙侠篇 · 第 03 期 · 脑洞篇 · 第 04 期 · 年代篇