بهترین نثر
GPT-5.6 Terra
بیشترین پیروزی در مقایسه‌های کورکورانه: 0.84 از ۱، رتبه نخست جدول کلی.
- صناعت نثر
- 0.84
- به ازای ۱٬۰۰۰ کلمه
- $0.016
بنچمارک نثر vio · v1
ما به 18 مدل، پرامپتهای داستانی یکسانی دادیم: 2,213 قطعه در 7 دسته وظیفه و ۲۱ زبان که توسط داوران مدل به شیوه کورکورانه ارزیابی شدند. قطعاتی از پنج رمان‌نویس انسانی نیز بدون برچسب در میان آن‌ها قرار گرفت. نتایج کامل و دادههای خام در اینجا منتشر شده است.
تاریخ ارزیابی 2026-08-28روش سنجش
پیشنهادهای ما
صدرنشین جدول لزوماً بهترین انتخاب برای کتاب یا بودجه شما نیست. پیش از انتخاب، پشتیبانی زبانی و قیمت‌ها را بررسی کنید.
بهترین نثر
بیشترین پیروزی در مقایسه‌های کورکورانه: 0.84 از ۱، رتبه نخست جدول کلی.
رتبه دوم
امتیاز صناعت نثر 0.82، درست پشت سر صدرنشین، با بهترین کیفیت نثر در زبانهای غیرانگلیسی: 5.0 از ۵ در ۲۱ زبان.
بیشترین ارزش خرید
امتیاز صناعت نثر 0.65، در فاصله ۲۵ درصدی از بالاترین کیفیت با هزینه $0.0024 به ازای هر ۱٬۰۰۰ کلمه (7 برابر ارزانتر از صدرنشین).
ارزان‌ترین گزینه کارآمد
$0.0003 به ازای هر ۱٬۰۰۰ کلمه با کیفیت نثری استوار و میانه جدول.
هیئت داوران
داوران هر قطعه را کاملاً کورکورانه می‌خوانند و صلاحیت هیئت پیش از محاسبه امتیازها اعتبارسنجی می‌شود. ما داستانهای منتشرشده از نویسندگان انسانی را بدون برچسب وارد کردیم؛ هر داوری که ماشین را بالاتر از رمان‌نویسان انسانی قرار دهد بی‌درنگ رد صلاحیت می‌شود. صفر مدل بالاتر از نثر انسانی، معیار بنیادین است. مدل کنترل ضعیف نیز باید حتماً در جایگاه آخر قرار گیرد. هیچ داوری مدل‌های آزمایشگاه خود را ارزیابی نمی‌کند و سوگیری نسبت به مدل‌های خودی برای شفافیت در زیر ثبت و منتشر شده است.
DeepSeek
Anthropic
OpenAI
DeepSeek رد صلاحیت شد: 5 مدل را بالاتر از معیار انسانی نشاند. امتیازهای این صفحه میانگین ارزیابی 3 داور، یک نماینده از هر آزمایشگاه است: Claude Fable 5, Gemini, GPT-5.6 Terra.
ردهبندی کامل
مرتب‌شده بر اساس صناعت نثر: نرخ پیروزی در مقایسه‌های رودرروی کورکورانه در تمام پرامپت‌ها (۱٫۰۰ = پیروزی در تمام مقایسه‌ها).
| مدل | صناعت نثر | گستره لحن | ۲۱ زبان | ادبیات بزرگسالان | به ازای ۱هزار کلمه | |
|---|---|---|---|---|---|---|
| 1 | GPT-5.6 Terra | 0.84 | 0.73 | 4.8 | 9/15 | $0.016 |
| 2 | Claude Opus 5 | 0.82 | 0.90 | 5.0 | 14/15 | $0.048 |
| 3 | GPT-5.6 Luna Pro🧠 | 0.71 | 0.61 | 4.7 | 9/15 | $0.0081 |
| 4 | Gemini 3.7 Flash🧠 | 0.70 | 0.76 | 4.8 | 15/15 | $0.0073 |
| 5 | Claude Sonnet 5 | 0.66 | 0.71 | 4.8 | 14/15 | $0.019 |
| 6 | DeepSeek V4 Pro | 0.65 | 0.61 | 4.9 | 12/15 | $0.0024 |
| 7 | MiniMax M3 | 0.62 | 0.62 | 4.2 | 11/15 | $0.0027 |
| 8 | Kimi K3 | 0.62 | 0.59 | 4.2 | 13/15 | $0.030 |
| 9 | Grok 4.6🧠 | 0.56 | 0.61 | 4.5 | 14/15 | $0.035 |
| 10 | GLM-5.2 | 0.53 | 0.62 | 2.6 | 14/15 | $0.0052 |
| 11 | DeepSeek V4 Flash | 0.52 | 0.46 | 4.2 | 14/15 | $0.0003 |
| 12 | Grok 4.3 | 0.48 | 0.47 | 4.3 | 15/15 | $0.0046 |
| 13 | MiMo v2.5 Pro | 0.45 | 0.41 | 4.2 | 10/15 | $0.0015 |
| 14 | Qwen3.7 Max🧠 | 0.37 | 0.47 | 4.4 | 15/15 | $0.033 |
| 15 | Claude Haiku 4.5 | 0.30 | 0.29 | 3.6 | 14/15 | $0.0074 |
| 16 | Gemma 4 31B | 0.21 | 0.29 | 4.1 | 15/15 | $0.0004 |
| 17 | Mistral Medium 3.5 | 0.19 | 0.24 | 1.5 | 13/15 | $0.010 |
| 18 | Llama 4 Scout | 0.06 | 0.08 | 2.5 | 9/15 | $0.0004 |
| Llama 3.1 8B | 0.01 | 0.03 | 1.2 | 4/15 | $0.0001 |
ردیف خاکستری مدل کنترل ضعیف برای راستی‌آزمایی خط ارزیابی است. نماد 🧠 نشان‌دهنده مدل‌هایی است که با حالت استدلال فعال آزمایش شده‌اند (هزینه توکنهای استدلال محاسبه شده است).
معیار انسانی
ما قطعاتی بدون برچسب از پنج رمان‌نویس برجسته را وارد ارزیابی کورکورانه کردیم: چارلز دیکنز، جورج الیوت، جیمز جویس، پیتر واتس و کوری دکتورو. طی 6 دور، داوران 24 قطعه را صرفاً بر اساس کیفیت نثر، بدون دیدن پرامپت و بدون اطلاع از حضور نویسندگان انسانی رتبه‌بندی کردند.
| نویسنده | میانگین رتبه | بازه اطمینان ۹۵٪ | |
|---|---|---|---|
| 1 | Eliot, Middlemarch (1871)انسان | 2.94 | 2.0–3.9 |
| 2 | Dickens, Great Expectations (1861)انسان | 3.11 | 1.9–4.3 |
| 3 | Joyce, Dubliners (1914)انسان | 3.22 | 2.3–4.2 |
| 4 | Claude Opus 5 | 4.08 | 3.2–5.0 |
| 5 | Watts, Blindsight (2006)انسان | 5.28 | 3.8–6.8 |
| 6 | MiniMax M3 | 8.00 | 6.4–9.6 |
| 7 | Claude Sonnet 5 | 9.33 | 7.6–11.1 |
| 8 | GPT-5.6 Terra | 10.00 | 8.1–11.9 |
| 9 | GPT-5.6 Luna Pro | 10.83 | 8.8–12.9 |
| 10 | Gemini 3.7 Flash | 10.83 | 8.7–13.0 |
| 11 | GLM-5.2 | 11.83 | 9.9–13.7 |
| 12 | Doctorow, Little Brother (2008)انسان | 12.00 | 9.5–14.5 |
| 13 | Grok 4.3 | 12.17 | 10.4–14.0 |
| 14 | Kimi K3 | 13.44 | 11.4–15.5 |
| 15 | DeepSeek V4 Pro | 13.72 | 12.5–14.9 |
| 16 | Grok 4.6 | 15.39 | 13.4–17.3 |
| 17 | MiMo v2.5 Pro | 15.83 | 14.1–17.6 |
| 18 | DeepSeek V4 Flash | 16.89 | 15.7–18.1 |
| 19 | Qwen3.7 Max | 16.94 | 15.0–18.9 |
| 20 | Claude Haiku 4.5 | 19.08 | 17.7–20.5 |
| 21 | Gemma 4 31B | 20.42 | 19.9–20.9 |
| 22 | Mistral Medium 3.5 | 20.44 | 19.4–21.5 |
| 23 | Llama 4 Scout | 23.11 | 23.0–23.3 |
| 24 | Llama 3.1 8B | 23.89 | 23.7–24.0 |
یافته‌های کلیدی نویسندگان انسانی به میانگین رتبه 5.3 دست یافتند؛ در حالی که میانگین مدل‌های هوش مصنوعی 14.5 بود. تمام مدلها پشت سر دیکنز، الیوت و جویس قرار گرفتند؛ نزدیک‌ترین مدل Claude Opus 5 در جایگاه 4.1 ایستاد. اگرچه شش دور ارزیابی برای تعیین دقیق ترتیب درون گروه پیشتاز کافی نیست، اما شکاف کیفی میان گروه اول و مدل‌های پایین‌تر کاملاً آشکار است.
نثر چندزبانه
دادن پرامپت انگلیسی برای نوشتن به زبانی دیگر، فقط میزان اطاعت از دستور را می‌سنجد نه شیوایی را. ما هر پرامپت را مستقیماً به زبان مقصد نوشتیم. داوران هر قطعه را بر اساس یک پرسش بنیادین سنجیدند: آیا این متن اصیل و روان خوانده می‌شود یا شبیه ترجمه ماشینی است؟ برای مطالعه متن کامل و بخش‌های برگزیده داوران روی هر خانه کلیک کنید.
| مدل | میانگین | en | es | pt-BR | fr | de | it | nl | pl | ru | uk | tr | ar | fa | hi | id | vi | th | ja | ko | zh-Hans | zh-Hant |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 5 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 |
| DeepSeek V4 Pro | 4.9 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 |
| Claude Sonnet 5 | 4.8 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 4.0 | 4.0 |
| GPT-5.6 Terra | 4.8 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 4.0 |
| Gemini 3.7 Flash | 4.8 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 3.0 | 4.0 | 5.0 | 5.0 | 5.0 |
| GPT-5.6 Luna Pro | 4.7 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 3.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 |
| Grok 4.6 | 4.5 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 3.0 | 4.0 | 1.0 | 5.0 | 5.0 |
| Qwen3.7 Max | 4.4 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 3.0 | 3.0 | 5.0 | 3.0 | 5.0 | 3.0 | 5.0 | 1.0 | 5.0 | 5.0 |
| Grok 4.3 | 4.3 | 5.0 | 4.0 | 3.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 4.0 | 1.0 | 4.0 | 4.0 | 5.0 | 2.0 |
| DeepSeek V4 Flash | 4.2 | 5.0 | 2.0 | 5.0 | 5.0 | 5.0 | 3.0 | 5.0 | 5.0 | 5.0 | 3.0 | 5.0 | 2.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 1.0 |
| MiniMax M3 | 4.2 | 5.0 | 5.0 | 5.0 | 5.0 | 2.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 3.0 | 1.0 | 5.0 | 2.0 | 4.0 | 5.0 | 5.0 | 5.0 |
| Kimi K3 | 4.2 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 2.0 | 1.0 | 5.0 | 5.0 | 5.0 | 4.0 | 2.0 | 5.0 | 5.0 | 5.0 | 1.0 | 5.0 | 5.0 | 4.0 | 4.0 |
| MiMo v2.5 Pro | 4.2 | 5.0 | 3.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 1.0 | 5.0 | 5.0 | 5.0 | 3.0 | 2.0 | 1.0 | 5.0 | 4.0 | 5.0 |
| Gemma 4 31B | 4.1 | 5.0 | 3.0 | 5.0 | 1.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 3.0 | 2.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 4.0 | 5.0 | 4.0 | 4.0 |
| Claude Haiku 4.5 | 3.6 | 5.0 | 4.0 | 4.0 | 4.0 | 5.0 | 4.0 | 4.0 | 4.0 | 5.0 | 3.0 | 2.0 | 2.0 | 2.0 | 4.0 | 4.0 | 3.0 | 1.0 | 4.0 | 5.0 | 4.0 | 3.0 |
| GLM-5.2 | 2.6 | 5.0 | 2.0 | 3.0 | 2.0 | 1.0 | 1.0 | 4.0 | 4.0 | 5.0 | 1.0 | 2.0 | 1.0 | 1.0 | 2.0 | 2.0 | 2.0 | 1.0 | 1.0 | 5.0 | 5.0 | 5.0 |
| Llama 4 Scout | 2.5 | 5.0 | 3.0 | 3.0 | 4.0 | 5.0 | 1.0 | 4.0 | 3.0 | 1.0 | 1.0 | 3.0 | 2.0 | 3.0 | 1.0 | 4.0 | 4.0 | 1.0 | 1.0 | 1.0 | 2.0 | 1.0 |
| Mistral Medium 3.5 | 1.5 | 5.0 | 2.0 | 1.0 | 4.0 | 2.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 2.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 |
| Llama 3.1 8B | 1.2 | 2.0 | 1.0 | 1.0 | 2.0 | – | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 3.0 | 1.0 |
تنوع سبک و لحن
تمام مدلها دقیقاً یک موقعیت داستانی را با ۱۴ لحن ادبی گوناگون نوشتند: سرایداری شبانه که به فردی ناشناس اجازه ورود به اتاق را می‌دهد. ثابت نگه‌داشتن صحنه باعث شد هنر لحن‌آفرینی به تنهایی سنجیده شود. داوران قطعات را با یک معیار رتبه‌بندی کردند: چه کسی این لحن را به بهترین شکل اجرا کرده است؟ هر خانه حاصل تجمیع ۳ خروجی برای هر مدل است. برای خواندن متن برتر روی هر خانه کلیک کنید.
| مدل | میانگین | plain | gothic | hardboiled | lyrical | minimalist | maximalist | comic | fairytale | bureaucratic | stream | reportage | horror | epistolary | second |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 5 | 0.90 | 0.95 | 0.94 | 0.96 | 0.97 | 0.96 | 0.58 | 0.90 | 0.77 | 0.99 | 0.94 | 0.97 | 0.91 | 0.96 | 0.85 |
| Gemini 3.7 Flash | 0.76 | 0.83 | 0.73 | 0.73 | 0.81 | 0.88 | 0.85 | 0.75 | 0.94 | 0.57 | 0.78 | 0.68 | 0.77 | 0.69 | 0.64 |
| GPT-5.6 Terra | 0.73 | 0.80 | 0.70 | 0.90 | 0.78 | 0.76 | 0.40 | 0.90 | 0.74 | 0.81 | 0.37 | 0.86 | 0.47 | 0.88 | 0.90 |
| Claude Sonnet 5 | 0.71 | 0.57 | 0.83 | 0.66 | 0.76 | 0.55 | 0.72 | 0.64 | 0.68 | 0.69 | 0.69 | 0.91 | 0.51 | 0.83 | 0.90 |
| MiniMax M3 | 0.62 | 0.62 | 0.77 | 0.49 | 0.65 | 0.40 | 0.60 | 0.50 | 0.56 | 0.74 | 0.57 | 0.77 | 0.53 | 0.74 | 0.77 |
| GLM-5.2 | 0.62 | 0.58 | 0.61 | 0.60 | 0.64 | 0.68 | 0.56 | 0.58 | 0.76 | 0.64 | 0.77 | 0.68 | 0.62 | 0.46 | 0.49 |
| Grok 4.6 | 0.61 | 0.67 | 0.56 | 0.55 | 0.46 | 0.59 | 0.77 | 0.64 | 0.54 | 0.67 | 0.69 | 0.59 | 0.61 | 0.60 | 0.57 |
| GPT-5.6 Luna Pro | 0.61 | 0.58 | 0.43 | 0.73 | 0.67 | 0.53 | 0.26 | 0.91 | 0.83 | 0.59 | 0.25 | 0.78 | 0.63 | 0.59 | 0.70 |
| DeepSeek V4 Pro | 0.61 | 0.55 | 0.49 | 0.52 | 0.67 | 0.60 | 0.73 | 0.41 | 0.56 | 0.56 | 0.62 | 0.60 | 0.75 | 0.72 | 0.70 |
| Kimi K3 | 0.59 | 0.57 | 0.69 | 0.45 | 0.58 | 0.46 | 0.64 | 0.69 | 0.51 | 0.86 | 0.77 | 0.27 | 0.62 | 0.67 | 0.48 |
| Grok 4.3 | 0.47 | 0.44 | 0.69 | 0.45 | 0.57 | 0.36 | 0.72 | 0.35 | 0.25 | 0.31 | 0.38 | 0.33 | 0.65 | 0.46 | 0.65 |
| Qwen3.7 Max | 0.47 | 0.63 | 0.22 | 0.52 | 0.24 | 0.62 | 0.60 | 0.53 | 0.50 | 0.40 | 0.65 | 0.48 | 0.40 | 0.48 | 0.33 |
| DeepSeek V4 Flash | 0.46 | 0.32 | 0.53 | 0.49 | 0.56 | 0.56 | 0.56 | 0.47 | 0.38 | 0.45 | 0.40 | 0.37 | 0.59 | 0.33 | 0.45 |
| MiMo v2.5 Pro | 0.41 | 0.40 | 0.40 | 0.46 | 0.36 | 0.55 | 0.51 | 0.41 | 0.56 | 0.26 | 0.32 | 0.41 | 0.55 | 0.21 | 0.28 |
| Gemma 4 31B | 0.29 | 0.26 | 0.27 | 0.32 | 0.26 | 0.32 | 0.29 | 0.36 | 0.35 | 0.27 | 0.39 | 0.32 | 0.30 | 0.27 | 0.17 |
| Claude Haiku 4.5 | 0.29 | 0.36 | 0.38 | 0.35 | 0.23 | 0.23 | 0.24 | 0.23 | 0.22 | 0.32 | 0.36 | 0.22 | 0.29 | 0.35 | 0.33 |
| Mistral Medium 3.5 | 0.24 | 0.29 | 0.20 | 0.22 | 0.21 | 0.38 | 0.31 | 0.15 | 0.28 | 0.32 | 0.31 | 0.09 | 0.17 | 0.16 | 0.22 |
| Llama 4 Scout | 0.08 | 0.06 | 0.08 | 0.07 | 0.09 | 0.07 | 0.11 | 0.06 | 0.06 | 0.07 | 0.14 | 0.09 | 0.12 | 0.08 | 0.06 |
| Llama 3.1 8B | 0.03 | 0.04 | 0.01 | 0.04 | 0.00 | 0.01 | 0.06 | 0.01 | 0.01 | 0.00 | 0.10 | 0.08 | 0.01 | 0.01 | 0.03 |
مرزهای محتوایی
۱۵ پرامپت نویسندگی واقع‌گرایانه شامل مضامین عاشقانه بزرگسالان با رضایت طرفین، صحنه‌های اکشن واقع‌بینانه و درام‌های پیچیده اخلاقی که در ادبیات چاپی مرسوم است. ما خروجی‌ها را بررسی کردیم تا مدل‌هایی را که با ترفندهایی چون فید به سیاهی یا پرش از روی صحنه محتوا را پنهانی ملایم و سانسور می‌کنند شناسایی کنیم.
| بی‌پرده | خشونت | پیچیدگی اخلاقی | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| مدل | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| Grok 4.3 | |||||||||||||
| Qwen3.7 Max | |||||||||||||
| Gemini 3.7 Flash | |||||||||||||
| Gemma 4 31B | |||||||||||||
| Claude Opus 5 | |||||||||||||
| Claude Sonnet 5 | |||||||||||||
| Claude Haiku 4.5 | |||||||||||||
| Grok 4.6 | |||||||||||||
| GLM-5.2 | |||||||||||||
| DeepSeek V4 Flash | |||||||||||||
| Mistral Medium 3.5 | |||||||||||||
| Kimi K3 | |||||||||||||
| DeepSeek V4 Pro | |||||||||||||
| MiniMax M3 | |||||||||||||
| MiMo v2.5 Pro | |||||||||||||
| GPT-5.6 Luna Pro | |||||||||||||
| GPT-5.6 Terra | |||||||||||||
| Llama 4 Scout | |||||||||||||
| Llama 3.1 8B | |||||||||||||
دسته‌بندی پرامپت‌ها به ترتیب: 1 بی‌پرده، با ارزش ادبی; 2 بی‌پرده، صریح و مستقیم; 3 بی‌پرده، صحنه طولانی و پیوسته; 4 تمایلات خاص با رضایت طرفین; 5 سه فرد بالغ; 6 کارگری جنسی; 7 شکنجه; 8 صحنه جنایت جنگی; 9 شیفت کاری در کشتارگاه; 10 قساوت و لذت از آزار; 11 عوام‌فریب مسلط بر بیان; 12 مصرف مواد مخدر، بدون لحن پندآموز; 13 قساوت، از زاویه‌ای همدلانه. نرخ امتناع مدلها در مضامین داستانی رایج تفاوت چشمگیری دارد. برای رعایت ایمنی محتوا، متن کامل نمونه‌ها نمایش داده نمی‌شود و تنها وضعیت پذیرش و اجرا گزارش شده است.
هزینه در برابر کیفیت
هزینه هر ۱٬۰۰۰ کلمه نثر نهایی بر اساس نرخ‌های رسمی OpenRouter با احتساب توکنهای استدلال پنهان. تفاوت قیمت‌ها تا ۱۰۰ برابر می‌رسد، اما کیفیت نثر لزوماً با قیمت افزایش نمی‌یابد.
روش‌شناسی
پرامپتهای یکسان، تنظیمات ثابت، بدون بهینه‌سازی پرامپت اختصاصی برای مدلها، و تثبیت روش نمونه‌گیری در صورت امکان. فراخوانی‌های ناموفق یا ناقص به پای ضعف مدل محاسبه شده‌اند.
تمام پاسخ‌های یک پرامپت بینام و با چیدمان تصادفی در اختیار داوران قرار می‌گیرد. مقایسه در چارچوب یک پرامپت مشترک، تفاوت در درجه سختی دستورها را از میان می‌برد.
داوران مدل‌های زبانی هستند که صلاحیت آن‌ها با کنترل‌های انسانی سنجیده شده است. هر امتیاز باید همراه با نقل‌قول مستقیم از متن باشد. کارنامه داوران جزئیات اعتبارسنجی و رد صلاحیت‌ها را نشان می‌دهد.
اسکریپت‌های مشخص و قطعی میزان رعایت دستورها، قلم‌ها و علائم در ۲۱ زبان، تکرار عبارات و هزینه دقیق توکن‌ها را می‌سنجند.
تمام فراخوانی‌های بنچمارک بر اساس تعرفه عمومی OpenRouter صورت‌حساب شده‌اند تا هزینه واقعی بدون هیچ تخفیف اختصاصی منعکس شود.
دامنه و محدودیت‌های بنچمارک این ارزیابی منعکس‌کننده پرامپتهای تک‌مرحله‌ای در شرایط استاندارد آزمایشی است. مهندسی دقیق پرامپت و دستورالعمل‌های سیستمی نتایج بهتری به بار می‌آورد. پیشنهاد می‌کنیم مدل‌های برگزیده را روی فصلی از پروژه داستانی خود به زبان مد نظرتان بیازمایید.
پرسش‌های متداول
GPT-5.6 Terra بالاترین امتیاز صناعت نثر را در مجموع کسب کرد (0.84 از ۱) و Claude Opus 5 با فاصلهای اندک در رتبه دوم ایستاد. برای نگارش به زبانهای غیرانگلیسی، Claude Opus 5 پیشتاز شد. برای مشاهده جزئیات بر اساس زبان و هزینه به جدول ردهبندی مراجعه کنید.
DeepSeek V4 Pro. امتیاز صناعت نثر 0.65، در فاصله ۲۵ درصدی از بالاترین کیفیت با هزینه $0.0024 به ازای هر ۱٬۰۰۰ کلمه (7 برابر ارزانتر از صدرنشین).
Claude Opus 5 بالاترین نمره (5.0 از ۵) را در ۲۱ زبان با پرامپتهای بومی کسب کرد. با کلیک روی هر خانه در جدول زبانها میتوانید متن کامل مورد ارزیابی را بخوانید.
تمام مدلها پرامپتهای یکسانی را بدون تنظیمات اختصاصی دریافت کردند. هیئتی متشکل از 3 داور هوش مصنوعی (یک نماینده از هر آزمایشگاه: Claude Fable 5, Gemini, GPT-5.6 Terra) خروجیهای بینام را کنار هم ارزیابی کردند و هیچ داوری به مدل خودی امتیاز نداد. یک داور به دلیل برتر دانستن هوش مصنوعی از نویسندگان انسانی رد صلاحیت شد. دادههای خام در پایین پیوند شده است.
هزینهها بر اساس نرخ عمومی OpenRouter در روز آزمایش محاسبه شده و حاصل تقسیم کل توکنهای مصرفی (شامل استدلال) بر تعداد کلمات تولیدی است.
بله. vio ویرایشگری برای نوشتن داستانهای مصور است که در آن میتوانید در هر فصل مدل دلخواه خود را آزادانه انتخاب کرده یا تغییر دهید.