事情的起因是这样的。昨天有个读者留言，说他在用Claude写中文文案的时候，总感觉哪里不对劲，但说不出来。我一想，这事儿我也好奇啊，干脆做个横向测试。于是我从桌上一堆零食旁边摸出笔记本，打开三个选项卡：ChatGPT-4o、Claude 3.5 Sonnet、Kimi、文心一言、通义千问，还有个刚出的DeepSeek V3。准备看看这帮洋枪土炮到底谁的中文更地道。
第一个测试任务很简单：写一段产品介绍，对象是智能猫砂盆，目标用户是养猫的上班族。我把同样的指令扔给六个模型，结果差距大到离谱。
ChatGPT-4o上来就是一股翻译腔。“这款革命性的猫砂盆将彻底改变您的养宠体验”——我读完之后脑子里蹦出来的画面不是猫砂盆，而是一个西装革履的老外在卖保险。你说它语法错了吗？没错。但中国人会这么说话吗？不会。我认识的所有养猫的朋友，推荐东西的时候都是“我跟你说这个铲屎的玩意儿巨好用，一个月不用管，真的”，谁他妈开口就是“革命性体验”。
Claude 3.5 Sonnet好一点，但问题也很明显。它知道用“铲屎官”这种词，但用得太刻意了。“作为一位资深铲屎官，您一定深知每日清理猫砂的烦恼”——这话单独拿出来看还行，但你放整个段落里读，就感觉像是有人在教它说人话，它学了个四不像。而且它特别喜欢用“作为”开头，十个句子有八个是“作为xxx”，看得我想吐。
然后我切换到Kimi。说实话，月之暗面这个模型我一直觉得它的长文本能力很强，但这次写产品介绍，它暴露了一个特别致命的问题：啰嗦。它写了整整八百字的产品介绍，把猫砂盆从外观到内部结构到耗材价格全部列了一遍，但核心卖点“一个月不用铲屎”被埋在了第六段的第三行。大哥，用户没耐心读那么多字的，你这是在写说明书还是在写广告？
文心一言更离谱。它的中文确实更自然，但自然过头了，直接给我整了个“亲，这款猫砂盆真的超好用哦，铲屎官们都说好”。我看到“亲”这个字的时候，手已经伸向了关机键。百度你是不是觉得全国人民都在逛淘宝？而且它的行文逻辑特别混乱，上一句在说容量大，下一句突然跳到“适合多猫家庭”，再下一句又回来讲容量，完全没有主线，像是在把一堆关键词随机排列组合。
通义千问算是给了我一点惊喜。它的中文表达很流畅，没有明显的翻译腔，也没有那种刻意的网络用语堆砌。但它有一个很恶心的问题：喜欢用成语。而且不是自然地用，是硬塞。什么“匠心独运”、“精益求精”、“别出心裁”，一篇八百字的介绍里塞了十一个成语，读起来像是在看高考满分作文。我写博客这么多年，最怕的就是这种“看起来很厉害但读起来很累”的文字。
最后是DeepSeek V3。这个模型我之前用得不多，但这次测试让我印象很深。它的中文自然到了一种让我有点不安的程度。它写出来的产品介绍开头是“说实话，养猫最烦的就是铲屎”——这个开头太像真人写的了。而且它知道什么时候该用短句，什么时候该用长句，节奏感很好。但问题也有，它在描述技术参数的时候，突然蹦出来一句“本产品采用先进的xxx技术”，一下子就出戏了。前面还在跟你唠家常，突然变成产品说明书，这种割裂感很要命。
第一轮测试结束，我得出一个初步结论：目前没有一个模型的中文写作能力是完美的。ChatGPT和Claude的问题是翻译腔太重，Kimi的问题是不懂得取舍，文心一言的问题是用词太俗，通义千问的问题是成语堆砌，DeepSeek的问题是风格不统一。各有各的毛病，谁也别笑话谁。
但我这个人就是不服输。我想，也许是我给的任务太宽泛了，试试具体的场景。于是我换了第二个测试：写一段朋友圈文案，内容是吐槽加班。
这个测试其实挺刁钻的，因为朋友圈文案对语言的要求和产品介绍完全不同。它需要真实感、情绪感，还得有点幽默。
ChatGPT-4o写出来的东西让我直接笑出声。“今天又是加班到深夜的一天，但想到能为公司创造价值，一切辛苦都是值得的”——这是人写的吗？这是领导让你发的吧？我甚至怀疑OpenAI的训练数据里，中文朋友圈文案全是那种正能量鸡汤公众号。
Claude 3.5 Sonnet稍微好一点，它写的是“加班到十一点，老板还让我再改一版，我真的会谢”。这个“我真的会谢”用对了，说明它知道网络流行语。但问题是，这个句子太短了，没有上下文，读起来像是个机器人硬挤出来的吐槽，缺少那种真实的疲惫感和愤怒感。
Kimi这次表现不错。它写了三段，第一段描述加班场景，第二段吐槽老板，第三段自嘲。整体节奏很好，而且用了一些口语化的表达，比如“我电脑都卡死了，老板还在群里@我”。但问题还是啰嗦，它把加班的每一个细节都写出来了，连“我喝了第三杯咖啡”这种无关紧要的信息都塞进去，反而冲淡了吐槽的力度。
文心一言这次倒是正常了，没有用“亲”。但它写出来的文案太正能量了，“虽然加班很累，但看到自己的成长，一切都很值得”——我怀疑它和ChatGPT用的是同一个训练数据。大哥，这是吐槽，不是励志演讲。
通义千问又来了，成语狂魔。“夜以继日”、“废寝忘食”、“孜孜不倦”全用上了。我读完之后的感觉不是“这个人好惨”，而是“这个人好有文化”。朋友圈文案最怕的就是端着，你越正经，越没人看。
DeepSeek V3这次又赢了。它写的是“十点了，工位上就剩我一个人。电脑右下角还在转圈，转得比我的脑子还慢。老板刚发消息说明天早上要方案，我看了看时间，又看了看没写完的文档，默默点了杯奶茶续命。谁他妈说年轻人不努力，我努力到连外卖小哥都认识我了。”这段文字我读了两遍，第一遍觉得好笑，第二遍觉得心酸。它把那种加班到麻木的状态写得很真实，而且语言节奏特别好，该长的时候长，该短的时候短，该骂脏话的时候也不装文明。这才是一个正常人写出来的朋友圈。
但问题来了，我怀疑DeepSeek是不是在中文语料上做了特别多的优化。因为一旦我把任务换成英文写作，它立刻拉胯了。我试了让它写一段英文邮件，结果它的表达非常生硬，语法没错但用词很奇怪，就像是把中文机翻成英文的感觉。这说明它可能是在中文能力上做了侧重优化，但通用性还不够。
第三个测试我换了个方向：写一篇技术博客的引言，主题是“为什么RAG技术越来越流行”。这个测试的目的就是想看看它们在专业领域的中文表达能力。
结果让我很意外。ChatGPT-4o在这个任务上表现最好，它的引言结构清晰，逻辑严谨，用了很多专业术语但解释得也很清楚。Claude 3.5 Sonnet也不错，但它太喜欢用“值得注意的是”、“需要强调的是”这种过渡词，读起来像是在念PPT。Kimi和文心一言在这个任务上表现一般，深度不够，像是在写科普文章而不是技术博客。通义千问又塞了一堆成语，“应运而生”、“方兴未艾”、“层出不穷”，看得我头疼。DeepSeek V3在这个任务上反而表现平平，它的语言太口语化了，不太适合技术博客的语境，感觉像是在跟朋友聊天而不是在写专业文章。
所以最终的结论很复杂，没有一个模型是全能冠军。
如果你要写产品介绍或者朋友圈文案这种偏口语化、需要真实感的文字，DeepSeek V3目前是最强的。它的中文自然度已经接近人类水平，甚至在某些时候会让你忘记对面是个AI。但它的弱点也很明显，一旦进入专业领域或者需要正式语体的场景，它就露怯了。
如果你要写技术博客或者专业文档，ChatGPT-4o依然是最稳妥的选择。它的逻辑性和专业性无可挑剔，虽然中文表达偶尔会有翻译腔，但这种小毛病在专业写作中反而没那么致命。
Kimi的优势在于长文本，如果你需要写一篇详细的分析报告或者综述，它是不错的选择，但前提是你得接受它啰嗦的毛病。
文心一言和通义千问，说实话，在中文写作这个赛道上，它们目前还在追赶阶段。文心一言的问题是太俗，通义千问的问题是太装，这俩都还需要大量的调优。
写到这里，我看了看时间，已经凌晨两点了。窗外隔壁的猫又开始叫春，我的咖啡早就凉透了。桌上一堆零食袋子，电脑屏幕上开着六个浏览器选项卡，每个选项卡里都有一段AI写的文字。我突然觉得有点荒诞，我花了四个小时，测试了六个AI工具的中文写作能力，最后发现它们没有一个能写出让我完全满意的文字。
但这可能才是真实的情况。AI的中文能力确实在快速进步，尤其是DeepSeek V3这次给我的印象很深，但它离“能够替代人类写作者”这个目标还有很长的路要走。它写出来的文字有时候会让你觉得“哇，好自然”，但仔细一读，总会有那么一个瞬间让你意识到“哦，这不是人写的”。
那个瞬间可能是一个用错的成语，可能是一个突兀的过渡句，可能是某个词用得太正式或者太随意。但就是这些微小的破绽，暴露了它们的本质。
当然，我也在想，也许是我太挑剔了。毕竟对一个AI来说，能够写出“谁他妈说年轻人不努力，我努力到连外卖小哥都认识我了”这种句子，已经很了不起了。但我作为一个每天都在写东西的人，对文字的要求就是很高。我可以接受一个AI帮我整理思路、生成大纲、校对语法，但让我把它的文字直接发出去，我做不到。
至少现在还做不到。
好了，我要去睡了。明天还有一堆稿子要写，这次我打算用DeepSeek帮我打个草稿，然后自己重新改一遍。毕竟，AI写的东西再像人，它也不是人。而读者要的，从来都不是一个“像人”的文字，而是一个“真正的人”的文字。
这两者之间的差距，大概就是我还能继续写博客的原因吧。
📎 延伸阅读
看完这篇，如果你想：
- 直接拿工具 → 回复”13“，我把跨境获客工具包发给你
- 系统学习 → 点击菜单”AI训练营”，从0开始跑通AI变现