實測 11 個 AI 模型寫中文:哪 5 個模型最沒有 AI 味?
文章目錄
- 這次用到的工具:ChatGPT、OpenRouter 和 MCP
- 我平時怎樣寫社交媒體文章
- ChatGPT 寫中文的問題:AI 味很重
- 甚麼是 AI 味?
- 為甚麼 AI 堅持這樣寫?
- 解決方法:用 MCP 把原稿交給其他模型改寫
- 實驗方法:開 subagent,同時測試 11 個模型
- 改寫一篇文章要多少錢?
- 實驗結果:5 個寫得最好的模型
- Gemini 3.8 Flash:自然、有代入感,但是刪得很多
- Tencent Hy4-Preview(騰訊混元):風格和 Gemini 一樣
- DeepSeek V4.1 Flash:保留細節的模型之中寫得最好
- MiniMax M3:和 DeepSeek 很相似
- 智譜 GLM-5.3:平時寫得好,這次比較悶
這次我做了一個實驗:揀選 11 個不同的 AI 模型,用同一篇原稿實測它們改寫中文的水平。
先講結論:寫中文最沒有 AI 味、最適合寫社交媒體文章的有 5 個模型,而這 5 個模型可以分成兩類:
- 會大刀闊斧刪減的模型: Gemini 3.8 Flash 和 Tencent Hy4-Preview(騰訊混元)。這兩個模型改寫文章時,會比較大膽地刪除它們認為不夠吸引的內容,所以你的文章會短很多。
- 保留最多細節的模型: DeepSeek V4.1 Flash、MiniMax M3 和智譜 GLM-5.3。這三個模型可以保留最多細節,而且中文也寫得相當好。
所以用的時候要懂得揀:你是想保留細節,還是想 AI 大刀闊斧地刪走它認為不需要的部分?
(影片長度:15 分鐘)

這次用到的工具:ChatGPT、OpenRouter 和 MCP
這次實驗我用 ChatGPT 連接 OpenRouter 的 MCP Server,再用 OpenRouter 上不同的 AI 模型改寫文章。
- ChatGPT 的「工作」模式: 這是我現在用得比較多的 AI Agent,我在它的介面交代工作就可以。
- OpenRouter: OpenRouter 集合了很多不同的 AI 模型,所以 ChatGPT 連接 OpenRouter 之後,就可以直接調用這麼多模型,我不需要逐一訂閱每個平台。OpenRouter 是一個儲值平台,最少儲值 10 美元,就足夠試完這些模型。
- OpenRouter MCP: 最方便的地方是 OpenRouter 本身支援 MCP。MCP 即是 AI Agent 連接其他平台的標準方式,例如 ChatGPT 透過 OpenRouter MCP,就可以把文章直接交給 OpenRouter 上的任何模型改寫。
在 Google 搜尋「OpenRouter MCP」,第一個結果就是 OpenRouter MCP Server 的說明頁,裏面有連接的方法。通常你要在 AI Agent 的「外掛程式」或者「Connector」新增這個 MCP Server,建立成功之後就連接到 OpenRouter 了。這條影片的重點不是 MCP,所以這裏只輕輕帶過。
我平時怎樣寫社交媒體文章
- 我先要有一個 idea,大概知道這次寫甚麼。我通常會在網上找一些相關題材的文章,然後交給 AI Agent。
- 我不會叫 AI Agent 直接抄那篇文章,因為這樣對大家都不好。我先設定了一個 skill,AI Agent 會根據我給它的連結,上網找更多資料。
- AI Agent 找到資料之後,會給我幾個不同的改寫方向讓我揀;我揀好方向,AI 就開始寫文章。
ChatGPT 寫中文的問題:AI 味很重
但是這裏有一個很大的問題:ChatGPT 寫出來的文章,AI 味非常重。我以前的做法是用 ChatGPT 寫完一篇文章,再交給 Gemini 重寫一次;但是現在我大部分工作都在 Codex 和 ChatGPT 的「工作」模式完成,所以要找另一個方法。
甚麼是 AI 味?
- 一句可以說完的話,拆成三句。
- 先否定,再說重點。 AI 明明可以直接說一句話,前面一定要加一句「不是」或「不只」之類的否定句,然後才說後面那句。例如下圖原稿第一句,AI 想說 GPT-Live-1 重新定義了 Voice Agent 的運作方式,但是前面一定要先否定一次。

為甚麼 AI 堅持這樣寫?
主要原因是 AI 缺乏親身經歷。你叫它寫文章,它沒有辦法寫出自己的觀點,只能根據你給它的觀點再修飾,而否定句就是其中一種修飾方法,簡單來說就是充字數。
這個問題在 ChatGPT 和 Claude 特別嚴重,因為它們的訓練資料大部分來自英文,所以你叫它寫中文,它是先用英文想,再翻譯成中文給你看。這些原因加起來,就是我們常見的 AI 味。
解決方法:用 MCP 把原稿交給其他模型改寫
既然原稿的 AI 味這麼重,我們就要借助其他 AI 模型改寫:把原稿連同 prompt 交給另一個 AI 模型,請它改寫成社交媒體文章。這次實驗的 prompt 主要包括四項要求:
- 直接講正題,刪除「先否定」的句式。
- 改寫「英文直譯中文」的語法。
- 用地道的廣東話。
- 改寫成 Facebook、IG 和 Threads 的文章。

以前我們要把 AI 寫好的文章交給另一個 AI 模型,要手動複製貼上。現在有了 MCP,我只需要跟 ChatGPT 說「用 OpenRouter MCP,把原稿交給這個模型改寫」,ChatGPT 就自己懂得用 OpenRouter MCP 把文章交給那個模型。改寫好的文章直接顯示在 ChatGPT 的畫面上,所以我不需要在不同網頁之間複製貼上。

實驗方法:開 subagent,同時測試 11 個模型
為求公平,我把同一篇原稿交給 11 個不同的 AI 模型改寫。為了防止上下文互相污染,我要求 ChatGPT 開 10 個 subagent 做測試。Subagent 即是 AI Agent 分出來的助手,每個助手有自己獨立的工作空間。

這個方法有兩個好處:
- 快很多: 因為等於有 11 位同事同時幫你做事。
- 互不干擾: 這 11 位同事的工作空間完全隔離,所以它們改寫的內容不會混在一起。
整個測試大約用了 15 至 20 分鐘就完成了。
改寫一篇文章要多少錢?
我給模型改寫的原稿大約有三四千字。在 OpenRouter 的記錄可以看到,每次改寫的成本由大約 1 美仙到少於 1 美元,所以其實不貴。

實驗結果:5 個寫得最好的模型
原稿很長,所以這裏不逐點分析,只講幾個重點:原稿 AI 味很重,例如很多句子前面都加了否定句;很多一句可以說完的話被拆成幾句;還有一些很長但沒有甚麼意義的文字,讀者明顯不會有興趣。
我把整個實驗做成了一個網頁報告,裏面有原稿和每個模型改寫出來的文章。除了我自己評分,我也請 AI 幫忙評分。下面只介紹寫得好的模型。
Gemini 3.8 Flash:自然、有代入感,但是刪得很多
Gemini 3.8 Flash 的分數不錯,我自己也覺得寫得好:
- 寫出來比較自然,也比較香港。
- 懂得把很悶的內容變得有代入感,例如「你公司仲用緊舊式錄音客服?」「假如你要幫公司起個電話客服」。
- 因為我要求寫 Facebook 帖文,所以它用了很多短句和 emoji 增加可讀性。

但是要留意,Gemini 改寫後的文章短了很多:原文差不多有三四千字,Gemini 寫出來加起來都不到一千字。如果你本身希望 AI 把不吸引的內容剪掉,Gemini 就很適合你;如果你想保留很多細節,我就建議你不要用它,因為你很難控制它剪甚麼、不剪甚麼。
Tencent Hy4-Preview(騰訊混元):風格和 Gemini 一樣
Tencent Hy4-Preview 也寫得相當好。例如原文有一段在講流程,它聰明到用 emoji 箭咀把流程簡化,所以好看很多。它寫出來也很廣東話,例如一開始就說「唔講你唔知……」。
但是它和 Gemini 是同一種風格,整篇文章加起來也不到一千字,即是剪走了很多它認為不重要的細節。所以如果你想找 AI 精簡整篇文章,這個模型就相當適合。
DeepSeek V4.1 Flash:保留細節的模型之中寫得最好
如果你想保留多一些細節,我認為寫得最好的是 DeepSeek V4.1 Flash:
- 寫出來非常廣東話,而且稍微有點誇張。
- 有節奏感,懂得把複雜又悶的內容簡化,例如用「砌一個 Voice Agent」這類很香港的字眼。
- 不過如果你寫比較正式的文章,這些字眼可能就有點誇張了。
DeepSeek 的字數比 Gemini 和混元多了不少,即是它保留了比較多細節。

MiniMax M3:和 DeepSeek 很相似
MiniMax M3 和 DeepSeek V4.1 Flash 很相似,我也覺得寫得相當好,而且同樣保留了比較多細節。如果一定要我用這一篇文章分勝負,我這次可能會揀 DeepSeek V4.1 Flash;但是 AI 每次寫出來都不同,所以我認為兩個模型都可以用。
智譜 GLM-5.3:平時寫得好,這次比較悶
做這個實驗之前,我已經一直在用智譜 GLM-5.3,我覺得它寫中文寫得相當好。但是在這次實驗中,它寫得比較悶,而我之前用的時候又沒有這個問題,所以我仍然把它列入 5 個推薦模型。
如果你想看原稿和 11 個模型各自改寫出來的文章,可以下載「實測 11 款 AI 模型改寫中文的能力報告」。


