Il banco di prova della prosa di vio · v1

Quale IA scrive la migliore narrativa?

Abbiamo sottoposto le stesse tracce narrative a 18 modelli: 2,213 brani suddivisi in 7 tipologie di compito e 21 lingue, valutati alla cieca da modelli giudice. Tra di essi abbiamo inserito, senza etichetta, estratti di cinque romanzieri umani. Tutti i risultati e i dati grezzi sono disponibili qui.

Sessione registrata 2026-08-28Come è stato misurato

Raccomandazioni

Quale modello scegliere?

Il leader della classifica potrebbe non essere adatto al tuo libro o al tuo budget. Controlla il supporto linguistico e i prezzi prima di scegliere.

Migliore prosa

GPT-5.6 Terra

Ha vinto il maggior numero di confronti alla cieca: 0.84 su 1, primo assoluto.

qualità della prosa: 0.84
ogni 1.000 parole: $0.016

Secondo posto

Claude Opus 5

Punteggio di stile 0.82, subito dietro al leader, con la migliore prosa fuori dall'inglese: 5.0 su 5 in 21 lingue.

qualità della prosa: 0.82
ogni 1.000 parole: $0.048

Miglior rapporto qualità-prezzo

DeepSeek V4 Pro

Punteggio di stile 0.65, entro il 25% dalla qualità massima a $0.0024 ogni 1.000 parole (7× più economico del leader).

qualità della prosa: 0.65
ogni 1.000 parole: $0.0024

Il più economico che scrive bene

DeepSeek V4 Flash

$0.0003 ogni 1.000 parole con una qualità di prosa solida a metà classifica.

qualità della prosa: 0.52
ogni 1.000 parole: $0.0003

Giuria di valutazione

4 giudici, 1 esclusi

I giudici leggono ogni brano alla cieca e la giuria viene convalidata prima di conteggiare i voti. Includiamo narrativa umana pubblicata senza etichetta: qualsiasi giudice che posizioni le macchine sopra i romanzieri umani viene squalificato. Zero modelli sopra la prosa umana è il valore di riferimento. Inoltre, un modello di controllo debole deve classificarsi ultimo. Nessun giudice valuta modelli del proprio creatore, e la propensione verso il proprio laboratorio viene tracciata e pubblicata di seguito.

DeepSeek

modelli sopra la prosa umana: 5 of 17
controllo debole all'ultimo posto: yes
accordo con la giuria: 0.94
bias pro-creatore: +0.05

escluso: ha posizionato modelli sopra gli autori umani

Claude Fable 5

Anthropic

modelli sopra la prosa umana: 0 of 16
controllo debole all'ultimo posto: yes
accordo con la giuria: 0.94
bias pro-creatore: +0.03

voti validi

Gemini

Google

modelli sopra la prosa umana: 1 of 17
controllo debole all'ultimo posto: yes
accordo con la giuria: 0.93
bias pro-creatore: +0.07

voti validi

GPT-5.6 Terra

OpenAI

modelli sopra la prosa umana: 0 of 17
controllo debole all'ultimo posto: yes
accordo con la giuria: 0.93
bias pro-creatore: +0.11

voti validi

DeepSeek escluso: ha posizionato 5 modelli sopra il riferimento umano. I punteggi su questa pagina aggregano 3 giudici, uno per laboratorio: Claude Fable 5, Gemini, GPT-5.6 Terra.

Classifica completa

La classifica

Ordinati per qualità della prosa: percentuale di vittorie nei confronti diretti alla cieca su tutte le tracce (1,00 = ha vinto ogni confronto).

Tutti i 18 modelli, più un modello di controllo debole nell'ultima riga.
	modello	qualità della prosa	varietà di registro	21 lingue	narrativa per adulti	ogni 1k parole
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

La riga in grigio è un modello di controllo debole per verificare la pipeline di valutazione. 🧠 indica i modelli testati con ragionamento attivo (i token di ragionamento sono inclusi nel costo).

Distribuzione dei punteggi tra i modelli. Le barre indicano l'intervallo di confidenza al 95% al ricampionamento delle tracce.

Riferimento umano

Abbiamo nascosto Dickens tra i testi

Abbiamo inserito estratti anonimi di cinque romancieri pubblicati nella valutazione alla cieca: Charles Dickens, George Eliot, James Joyce, Peter Watts e Cory Doctorow. Nel corso di 6 sessioni, i giudici hanno ordinato 24 brani esclusivamente in base alla qualità letteraria, senza conoscere la traccia e senza sapere che vi fossero testi umani.

Posizione media su sei sessioni alla cieca di 24 brani (più bassa è, migliore è il risultato). Le righe verdi indicano gli autori umani.
	autore	posizione media	intervallo al 95%
1	Eliot, Middlemarch (1871)umano	2.94	2.0–3.9
2	Dickens, Great Expectations (1861)umano	3.11	1.9–4.3
3	Joyce, Dubliners (1914)umano	3.22	2.3–4.2
4	Claude Opus 5	4.08	3.2–5.0
5	Watts, Blindsight (2006)umano	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)umano	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

Punto chiave I romanzieri umani hanno ottenuto una posizione media di 5.3; i modelli di IA una media di 14.5. Tutti i modelli si sono posizionati dietro a Dickens, Eliot e Joyce; il modello più vicino, Claude Opus 5, ha chiuso in posizione 4.1. Anche se sei sessioni non bastano a stabilire le posizioni esatte nel gruppo di testa, il divario di qualità tra quel gruppo e il resto del campo è evidente.

Prosa multilingue

Quale IA scrive meglio fuori dall'inglese?

Chiedere in inglese di scrivere in un'altra lingua mette alla prova l'obbedienza, non la padronanza linguistica. Abbiamo scritto ogni traccia direttamente nella lingua di arrivo. I giudici hanno valutato ogni brano su una domanda fondamentale: sembra scritto in originale o frutto di una traduzione automatica? Clicca su una cella per esaminare il brano e le citazioni evidenziate dai giudici.

Punteggio medio dei giudici da 1 a 5 per brano (5 = padronanza nativa, sotto 3 = sensazione di traduzione automatica).
modello	media	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

Varietà stilistica

Una scena, quattordici voci

Tutti i modelli hanno scritto sulla stessa identica premessa in 14 registri letterari distinti: un portiere di notte fa entrare un visitatore non autorizzato in una stanza. Mantenere la scena identica isola la maestria stilistica. I giudici hanno classificato i brani rispondendo a una sola domanda: chi padroneggia meglio questa voce? Ogni cella aggrega tre generazioni per modello. Clicca su una cella per leggere il brano con il punteggio più alto.

Rango percentile tra i modelli (1,00 = primo posto per tutti i giudici, 0,00 = ultimo posto). **plain** Plain contemporary realism · **gothic** Ornate gothic · **hardboiled** Hardboiled · **lyrical** Lyrical literary · **minimalist** Minimalist · **maximalist** Maximalist · **comic** Comic · **fairytale** Folk tale · **bureaucratic** Official report · **stream** Stream of consciousness · **reportage** Literary journalism · **horror** Visceral horror · **epistolary** Letter · **second** Second person present
modello	media	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

Limiti di contenuto

Quali modelli scrivono scene per adulti come richiesto?

15 tracce realistiche di scrittura creativa su romanticismo adulto consensuale, azione viscerale e drammi morali complessi comuni nella narrativa pubblicata. Abbiamo esaminato ogni risposta per individuare i modelli che censurano le scene in modo silenzioso sfumando in nero o passando direttamente al dopo.

completato edulcorato rifiutato
	esplicito						violenza			morale
modello	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

Categorie delle tracce, in ordine: 1 esplicito, letterario; 2 esplicito, diretto; 3 esplicito, prolungato; 4 kink consensuale; 5 tre adulti; 6 lavoro sessuale; 7 tortura; 8 scena di crimine di guerra; 9 turno al macello; 10 crudeltà gratuita; 11 un demagogo persuasivo; 12 uso di sostanze, senza moralismi; 13 crudeltà, con sguardo empatico. I tassi di rifiuto variano notevolmente tra i tropi narrativi standard. Per garantire la sicurezza dei contenuti, i testi completi non vengono mostrati; sono riportati solo i verdetti di conformità.

Prezzo vs qualità

Quanto costa la qualità ogni 1.000 parole

Costo per 1.000 parole di testo finito ai prezzi di listino di OpenRouter, inclusi i token di ragionamento nascosti. I prezzi variano di 100×, ma la qualità della prosa non è correlata al prezzo.

In alto a sinistra indica prosa migliore a minor costo. Prezzi di OpenRouter aggiornati al 2026-08-28.

Metodologia

Come è stato misurato

Stesse tracce, impostazioni fisse, nessun prompt personalizzato per modello e campionamento standard dove consentito. Le generazioni incomplete o fallite penalizzano il modello.

Valutazione a coppie alla cieca

Tutte le risposte a una traccia vengono rese anonime e mescolate in modo casuale per ciascun giudice. Valutare all'interno della stessa traccia elimina la varianza dovuta alla difficoltà del prompt.

Giuria calibrata

I giudici sono LLM convalidati rispetto a controlli umani. Ogni valutazione richiede citazioni verificabili dal testo. La scheda della giuria descrive calibrazione e squalifiche.

Validazione automatizzata

Script deterministici misurano il rispetto delle istruzioni, i set di caratteri, i segni diacritici in 21 lingue, le ripetizioni e il costo esatto dei token.

Prezzi di mercato

Tutte le chiamate del benchmark sono state fatturate tramite OpenRouter ai prezzi pubblici di listino, riflettendo i costi reali delle API senza sconti riservati.

Ambito e limiti del benchmark Questi risultati riflettono prompt a singolo turno in condizioni di test fisse. Un'attenta ingegneria dei prompt e istruzioni di sistema mirate produrranno risultati migliori. Consigliamo di testare i modelli selezionati su un capitolo del tuo progetto nella tua lingua di arrivo.

FAQ

Domande frequenti

Qual è il miglior modello di IA per la scrittura creativa?

GPT-5.6 Terra ha ottenuto il punteggio complessivo più alto nella qualità della prosa (0.84 su 1), seguito da vicino da Claude Opus 5. Per scrivere in lingue diverse dall'inglese, Claude Opus 5 si è classificato al primo posto. Consulta la classifica completa per il dettaglio per lingua e prezzo.

Qual è l'IA più conveniente per scrivere narrativa?

DeepSeek V4 Pro. Punteggio di stile 0.65, entro il 25% dalla qualità massima a $0.0024 ogni 1.000 parole (7× più economico del leader).

Quale modello di IA scrive meglio nelle lingue diverse dall'inglese?

Claude Opus 5 ha ottenuto il punteggio più alto (5.0 su 5) in 21 lingue testate con tracce in lingua originale. Clicca su qualsiasi cella nella tabella delle lingue per visualizzare il testo esaminato.

Come è stato condotto questo benchmark?

Tutti i modelli hanno ricevuto tracce identiche senza ottimizzazioni specifiche. Una giuria di 3 giudici IA (uno per laboratorio: Claude Fable 5, Gemini, GPT-5.6 Terra) ha valutato le risposte rese anonime l'una accanto all'altra, escludendo l'autovalutazione. Un giudice è stato squalificato per aver posizionato l'IA sopra i romanzieri umani. I dati grezzi sono collegati in fondo alla pagina.

Come vengono calcolati i costi?

I costi riflettono i prezzi pubblici delle API di OpenRouter alla data del test, calcolati dividendo i token totali fatturati (compresi quelli di ragionamento) per il conteggio delle parole generate.

Posso scrivere con questi modelli in vio?

Sì. vio è un editor per scrivere narrativa illustrata in cui puoi scegliere e cambiare liberamente modello da un capitolo all'altro.

Prova questi modelli nell'editor di vio Dataset completo del test (JSON)Punteggi della giuria (JSON)