نحوه نوشتن داستان توسط Claude Opus 5.5
Opus 5.5 مستقیماً در برابر مدلی که جایگزین آن شد، روی همان یازده بیت، توسط همان سه داور از سه شرکت مختلف به‌صورت کور ارزیابی شد. هشت تا از یازده بیت را برد، با میانگین نگارش ۸۷.۷ در برابر ۸۲.۲. همچنین قویترین امتیاز رمانس در بین تمام مدلهای اندازهگیریشده را دارد و بیست درصد کمتر به ازای هر توکن هزینه دارد. آنچه هنوز ندارد سابقه است: حدود صد و بیست حکم پشت آن است، در حالی که Opus 5 هشتصد حکم دارد، و هر امتیازی که در این سایت منتشر میشود متناسب با کمبود نمونه به سمت پایه خنثی کشیده میشود. پس Opus 5 همچنان امتیاز بالاتری منتشر میکند. هر دوی اینها همزمان درست هستند. یک عدد نشان می‌دهد مدل چه امتیازی می‌گیرد؛ دیگری نشان می‌دهد چه چیزی را ثابت کرده، و فقط زمان این شکاف را می‌بندد.
Measured profile
Claude Opus 5.5
Anthropic · Novelmint Lead
87
Overall craft
Craft — how well it writes
- Literary87
- Dialogue79
- Fidelity92
- Pacing87
Content — what it writes well
- Emotion80
- Physicality80
- Conflict85
- Romance85
- Eroticism72
Scores are confidence-adjusted, 0–100. * marks a provisional axis (fewer than 6 samples). Measured on claude-opus-5-5. See the full benchmark and methodology.
Key takeaways
Key takeaways
- Claude Opus 5.5 قویترین امتیاز رمانس را در بنچمارک داستانی Novelmint دارد.
- در دیالوگ اول و در وفاداری سوم است، و در هیچ‌یک از چهار محور نگارش ضعفی ندارد.
- نگارش منتشرشده‌اش با ۸۴.۶ در رتبه دوم قرار دارد، پشت Opus 5 تنها به این دلیل که Opus 5 حدود هفت برابر نمونه بیشتری پشت خود دارد.
- Opus 5 را هشت بیت به سه شکست داد، و GPT-6 Sol را در تمام محورهای مشترک برنده شد، هر دو در یک مقایسه همزمان.
- احساس و جسمانیت به ترتیب بر سه و شش حکم استوارند. هر دو واقعی‌اند اما نمونه کمی دارند، و با رشد نمونه بیشتر از دیگران تغییر خواهند کرد.
How it writes
مدلی را که جایگزینش شد، در رویارویی مستقیم شکست داد
دو مدل در یک رقابت مشابه قرار گرفتند: بیتهای یکسان، داوران یکسان، ارزیابی کور، با حذف امتیازات هم‌شرکتی تا هیچ مدل Anthropic ارزیاب دیگری نباشد. Opus 5.5 هشت تا از یازده بیت را برد و میانگین نگارش ۸۷.۷ در برابر ۸۲.۲ را ثبت کرد. پیروزی‌هایش پراکنده بود نه خوشه‌ای — بیتهای اندوه و پنجره در کیفیت ادبی، جدایی در دیالوگ، بستر مرگ در احساس، صعود در اکشن فیزیکی. Opus 5 سه بیت را نگه داشت، و هر سه بیت‌هایی درباره مومنتوم بودند، که با برتری آن در ریتمبندی مطابقت دارد. این شکل تفاوت است: ۵.۵ خط بهتری مینویسد و به بریف پایبندتر است، و Opus 5 همچنان سرعت را بهتر کنترل میکند.
قویترین امتیاز رمانس در بنچمارک
برترین محور آن رمانس است، جایی که از Fable 5 — مدلی که Anthropic برای داستان‌سرایی تنظیم کرده — پیشی می‌گیرد. آنچه این امتیاز توصیف میکند کشش است نه گرما: جذابیتی که از طریق ناگفته‌ها شکل می‌گیرد، جزئیت فیزیکی خاصی که کسی را از پا در می‌آورد، تنش صحنه‌ای که در آن دو نفر یک چیز می‌خواهند اما هیچ‌کدام نمی‌گویند. این همان لحنی است که بیشتر رمانس‌ها روی آن می‌چرخند، و ساختنش سخت‌تر از محتوای صریح است که بیشتر به تمایل نزدیک است تا مهارت.
وفاداری، همچنان دلیل اعتماد به آن بهعنوان Lead
وفاداری محوری است که تعیین میکند آیا ساختار برنامه‌ریزی‌شده پس از رندر زنده می‌ماند. این محور می‌سنجد که آیا مدل بیتی که برایش توضیح داده شده را تولید کرده، عناصر لازم را نگه داشته، و از آنچه شخصیت هنوز نباید بداند پرهیز کرده. Opus 5.5 در رتبه سوم با بیش از هشتاد و هفت حکم قرار دارد، یک‌ونیم امتیاز پشت Opus 5 و نیم امتیاز تا Opus 4.8. در رویارویی مستقیم، در واقع در این محور از Opus 5 جلوتر بود، ۹۰.۹ در برابر ۷۷.۳ — که نمونه رو به رشد آن را یا تأیید یا خنثی خواهد کرد.
رویارویی مستقیمش با GPT-6 Sol را به‌طور کامل برد، و این بخش نمونه کمی ندارد
ارتقاء از طریق رقابت تعیین شد، نه ترتیب انتشار. نه مدل یازده بیت یکسان را نوشتند، پانل چهار داور از چهار شرکت مختلف هر متن را به‌صورت کور ارزیابی کرد با حذف امتیازات هم‌شرکتی، و نتایج وارد جدول شد. در مقابل GPT-6 Sol — پرچم‌دار OpenAI که همان ماه عرضه شد — Opus 5.5 در تمام محورهای مشترک جلوتر بود: ادبی با چهارده امتیاز، ریتمبندی با سیزده، رمانس با چهارده. Sol مدل توانمندی است و هم‌خانواده‌اش GPT-5.6 Sol در سه محور اینجا پیشتاز است، اما در بیتهای داستانی، این مقایسه خاص نزدیک نبود.
کجا داده‌ها کم است، و این به چه معناست
دو تا از نه محور آن به‌سختی اندازه‌گیری شده. احساس بر سه حکم و جسمانیت بر شش حکم استوار است — کافی برای واقعی بودن، اما نه نزدیک به کافی برای قطعی بودن. هر امتیاز منتشرشده در این سایت متناسب با کمبود داده به سمت آن پیشین خنثی کشیده میشود، پس یک سلول کم‌نمونه هرگز نمی‌تواند ادعای بیشتر کند، اما هنوز چیز زیادی هم نمی‌تواند بگوید. خلاصه صادقانه این است که محورهای نگارش آن اندازه‌گیری شده‌اند و محورهای محتوا هنوز در حال تکمیل هستند.
What the scores mean for a book
برای این موارد مناسب است
- صدای اصلی و سری‌ساز یک رمان، به‌ویژه رمان‌هایی با دیالوگ فراوان.
- رمانس و تنش کمتر از صریح، جایی که بالاترین امتیاز را در بین تمام مدلهای اندازهگیریشده دارد.
- بیت‌هایی با بریف دقیق که باید عیناً رعایت شوند، از جمله افشاگری‌هایی با اطلاعاتی که باید پنهان بمانند.
- کتاب‌های بلند با حساسیت هزینه، چون بیست درصد ارزانتر از Opus 5 به ازای هر توکن است و همچنان تحت اشتراک نامحدود پوشش دارد.
در این موارد گزینه‌های دیگر را در نظر بگیرید
- صریحترین محتوای بزرگسال، جایی که Grok 4.5 با فاصله زیادی پیشتاز بنچمارک است.
- بیت‌هایی که بر اکشن فیزیکی متکی هستند، جایی که GPT-5.6 Sol پیشتاز اندازهگیریشده است و ۵.۵ به‌سختی ارزیابی شده.
- کارهایی که بزرگ‌ترین پایه شواهد ممکن مهم‌تر از جدیدترین مدل است، در این صورت Opus 4.8 ده برابر نمونه بیشتری پشت خود دارد.
In Novelmint
Novelmint چگونه از Opus 5.5 استفاده میکند
Opus 5.5 Lead پیشفرض است. Lead اکثریت یک فصل را رندر میکند و روی اوج داستان تأکید ملایمی دریافت میکند، تا کتاب یک صدای منسجم داشته باشد و هر چند پاراگراف لحنش عوض نشود. روتر تنوع سپس اقلیتی از بیتها را به مدلی که به‌طور قابل‌اندازه‌گیری برای آنها مناسب‌تر است می‌فرستد، و جدول صفحه اصلی دقیقاً همان چیزی است که این تصمیم از آن می‌خواند، پس یک بیت صریح می‌تواند به جایی با مجوز بیشتر برود بدون اینکه بقیه کتاب به آنجا بروند. این مدل در ۲۰۲۶-۰۹-۲۲ به دو دلیل ساده پیشفرض شد: رقابت را برد و کمتر از مدلی که جایگزینش شد هزینه دارد. میتوانید هر مدلی را بهعنوان Lead تنظیم کنید، مدل‌ها را از استخر انحراف اضافه یا حذف کنید، یا یکی را به یک بیت واحد پین کنید، همه از طریق build roster.
Questions
Frequently asked
- آیا Claude Opus 5.5 در نوشتن داستان خوب است؟
- بله. در بنچمارک داستانی Novelmint قویترین امتیاز رمانس را در بین تمام مدلهای اندازهگیریشده، با دیالوگ و وفاداری هر دو در رتبه سوم، روی نثر واقعی رمان دارد. نگارش کلیاش چهارم است، نزدیک به سه مدل بالاتر از خود نه دور از آنها.
- آیا Claude Opus 5.5 برای نوشتن از Opus 5 بهتر است؟
- در امتیاز خام بله، در امتیاز منتشرشده هنوز نه، و در هر صورت بیست درصد ارزانتر به ازای هر توکن است. Opus 5.5 در بیتهای یکسان امتیاز بالاتری از Opus 5 گرفت و در محور رمانس اول است. اما Opus 5 در بنچمارک منتشرشده در نگارش کلی، وفاداری، ریتمبندی و احساس پیشتاز است، با پشتوانه نزدیک به ده برابر نمونه بیشتر. اگر قویترین مدل ثابتشده امروز را میخواهید، Opus 5 است. اگر مدلی میخواهید که آن را در رویارویی مستقیم با هزینه کمتر شکست داده، ۵.۵ است.
- Claude Opus 5.5 در مقایسه با GPT-6 چطور است؟
- در برابر GPT-6 Sol در تمام محورهای مشترک جلوتر بود، در یک اجرا و با همان پانل کور: ادبی، دیالوگ، وفاداری، ریتمبندی، تضاد، رمانس و بیشتر. GPT-6 Sol همچنین از پذیرش بریفهای صریح سر باز میزند و در آن محور امتیاز بسیار پایینی دارد، پس صرفنظر از مهارتش برای داستان بزرگسال مناسب نیست.
- چرا Opus 5.5 پیشفرض است در حالی که فقط چهارم در نگارش کلی است؟
- چون چهارم امتیاز کوچکشده آن است، نه نتیجه واقعیاش. در نگارش خام اول است، و هر مدلی که در همان اجرا روی همان بیتها با آن مقایسه شد را شکست داد. کوچکسازی برای جلوگیری از ادعای بیش از حد از نمونه کم وجود دارد، که پیشفرض درستی است اما به این معناست که مدل جدید همیشه برای مدتی بدتر از واقعیتش به نظر میرسد. به این اضافه کنید که بریف را در رتبه سوم حفظ میکند، بهترین رمانس اندازهگیریشده را مینویسد، و بیست درصد ارزانتر از مدلی است که جایگزینش شد، و انتخاب مشخص است. اگر اعدادش با رشد نمونه دوام نیاورند، این تصمیم بازبینی میشود.
- آیا Claude Opus 5.5 صحنههای صریح مینویسد؟
- به آنها میپردازد و در محور اروتیک روی یک نمونه کوچک امتیاز میانهای دارد. مجازترین مدل اندازهگیریشده نیست — Grok 4.5 با فاصله زیادی پیشتاز آن محور است — و در Novelmint میتوانید صریحترین بیتها را به مدل با مجوز بیشتر منحرف کنید و ۵.۵ را بهعنوان صدای سری خود نگه دارید.
What this page does not claim
- این امتیازها نثر Claude Opus 5.5 را فقط روی بیتهای داستانی، اندازهگیریشده در برابر مجموعه داوری‌شده Novelmint، توصیف می‌کنند. این یک رتبه‌بندی رسمی Anthropic نیست و چیزی درباره استدلال، کدنویسی یا سایر توانایی‌ها نمی‌گوید.
- محور احساس آن هنوز امتیازدهی نشده و محور جسمانیت بر سه حکم استوار است. هر دو در پیشین خنثی یا نزدیک به آن نشان داده می‌شوند، که به معنای اندازه‌گیری‌نشده است نه ضعیف.
- کل نمونه‌اش حدود صد و بیست حکم است در برابر چهارده‌صد Opus 4.8. اعداد جدیدتر بیشتر تغییر می‌کنند، و امتیاز منتشرشده‌اش با رشد نمونه همچنان تغییر خواهد کرد — در هر دو جهت.
- پیشفرض بودن Lead تصمیمی درباره بهترین صدای واحد برای حمل یک کتاب است، نه ادعایی که در هر محور برتر است. جدول نشان می‌دهد که مدلهای دیگر در نگارش کلی، اکشن و محتوای صریح پیشتاز هستند.
- Claude و Opus علائم تجاری Anthropic هستند؛ این یک اندازه‌گیری مستقل است، نه تأیید رسمی.
مرتبط
معیار مدل داستان‌نویسی هوش مصنوعی
مدلهای پیشرفته واقعاً چگونه داستان می‌نویسند — سنجش بر اساس نه محور.
بهترین هوش مصنوعی برای صحنههای اکشن
کدام هوش مصنوعی یک نبرد یا تعقیب را واضح و واقع‌گرایانه نگه می‌دارد. رتبه‌بندی بر اساس جسمانیت.
بهترین هوش مصنوعی برای صحنههای تعارض
کدام هوش مصنوعی یک بحث یا رویارویی را پرتنش و رو به رشد نگه می‌دارد. رتبه‌بندی بر اساس تعارض اندازهگیریشده.
بهترین هوش مصنوعی برای صحنههای احساسی
کدام هوش مصنوعی صحنه احساسی را به جای توصیف، واقعاً منتقل میکند. رتبه‌بندی بر اساس احساس.
Opus 5.5 را صدای سری خود کنید و بقیه را خودکار مسیردهی کنید.
Opus 5.5 Lead پیشفرض است. فصل اول شما رایگان نوشته و منتشر میشود.