Claude Opus 5.5 फिक्शन कैसे लिखता है
Opus 5.5 को उसी मॉडल के सीधे मुकाबले में परखा गया जिसे उसने बदला, उन्हीं ग्यारह बीट्स पर, तीन अलग-अलग कंपनियों के तीन जजों द्वारा ब्लाइंड स्कोरिंग के साथ। इसने ग्यारह में से आठ बीट्स जीते, और इसका क्राफ्ट मीन 82.2 के मुकाबले 87.7 रहा। इसका रोमांस स्कोर यहाँ मापे गए किसी भी मॉडल में सबसे अधिक है, और यह प्रति टोकन बीस प्रतिशत सस्ता भी है। जो चीज़ अभी इसके पास नहीं है वह है इतिहास: इसके पीछे लगभग एक सौ बीस निर्णय हैं जबकि Opus 5 के पास आठ सौ हैं, और इस साइट पर प्रकाशित हर स्कोर को उसके सैंपल की पतलेपन के अनुपात में एक तटस्थ बेसलाइन की ओर खींचा जाता है। इसलिए Opus 5 अभी भी ऊँचा प्रकाशित होता है। दोनों बातें एक साथ सच हैं। एक संख्या वह है जो एक मॉडल स्कोर करता है; दूसरी वह है जो उसने साबित किया है, और केवल समय ही यह अंतर पाटता है।
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 का Novelmint फ़िक्शन बेंचमार्क में सबसे मज़बूत रोमांस स्कोर है।
- यह डायलॉग में पहले और फ़िडेलिटी में तीसरे स्थान पर है, और चारों में कोई भी कमज़ोर क्राफ्ट अक्ष नहीं है।
- इसका प्रकाशित क्राफ्ट 84.6 के साथ दूसरे स्थान पर है, Opus 5 से पीछे केवल इसलिए क्योंकि Opus 5 के पीछे लगभग सात गुना अधिक सैंपल है।
- इसने Opus 5 को आठ बीट्स से तीन से और GPT-6 Sol को हर उस अक्ष पर हराया जिन दोनों पर स्कोर किया गया, प्रत्येक एक ही रन की तुलना में।
- Emotion और physicality क्रमशः तीन और छह निर्णयों पर टिकी हैं। दोनों अभी वास्तविक हैं लेकिन पतली, और सैंपल बढ़ने पर दूसरों की तुलना में अधिक बदलेंगी।
How it writes
इसने उस मॉडल को हराया जिसे इसने बदला, आमने-सामने
दोनों मॉडलों को एक ही बेक-ऑफ में रखा गया: समान बीट्स, समान जज, ब्लाइंड स्कोरिंग, और एक ही कंपनी के स्कोर बाहर रखे गए ताकि कोई Anthropic मॉडल किसी को ग्रेड न करे। Opus 5.5 ने ग्यारह में से आठ बीट्स लिए और 82.2 के मुकाबले 87.7 का क्राफ्ट मीन पोस्ट किया। इसकी जीतें एकत्रित नहीं बल्कि फैली हुई थीं — साहित्यिक गुणवत्ता पर grief और window बीट्स, डायलॉग पर breakup, emotion पर deathbed, शारीरिक क्रिया पर climb। Opus 5 ने तीन बीट्स बरकरार रखे, और तीनों momentum से जुड़ी बीट्स थीं, जो pacing में इसकी स्थायी बढ़त से मेल खाता है। यही अंतर की आकृति है: 5.5 बेहतर लाइन लिखता है और ब्रीफ को अधिक करीबी से थामता है, और Opus 5 अभी भी गति को बेहतर नियंत्रित करता है।
बेंचमार्क में सबसे मज़बूत रोमांस
इसका शीर्ष अक्ष रोमांस है, जहाँ यह Fable 5 को पीछे छोड़ता है — वह मॉडल जिसे Anthropic ने कहानी लेखन के लिए ट्यून किया। स्कोर जो दर्शाता है वह heat नहीं बल्कि charge है: वह आकर्षण जो अनकही बातों से बनता है, वह विशेष शारीरिक विवरण जो किसी को तोड़ देता है, उस दृश्य का तनाव जहाँ दो लोग एक ही चीज़ चाहते हैं और कोई भी नहीं कहता। यही वह रजिस्टर है जिस पर अधिकांश रोमांस चलती है, और यह explicit content से कहीं अधिक कठिन चीज़ है, जो craft से ज़्यादा एक willingness का प्रश्न है।
Fidelity, अभी भी Lead के रूप में भरोसा करने का कारण
Fidelity वह अक्ष है जो तय करता है कि एक नियोजित संरचना renderer के संपर्क में आने पर बची रहती है या नहीं। यह मापता है कि मॉडल ने वह बीट दी जिसके लिए ब्रीफ किया गया था, बीट के लिए आवश्यक तत्व रखे, और वह नहीं जाना जो एक पात्र को अभी तक नहीं जानना चाहिए। Opus 5.5 सत्तासी निर्णयों पर तीसरे स्थान पर है, Opus 5 से डेढ़ अंक और Opus 4.8 से आधे अंक के भीतर। आमने-सामने रन में इसने वास्तव में इस अक्ष पर Opus 5 से अधिक स्कोर किया, 77.3 के मुकाबले 90.9, जो एक ऐसा अंतर है जिसे बढ़ता हुआ सैंपल या तो पुष्टि करेगा या धो देगा।
इसने GPT-6 Sol के खिलाफ अपना आमने-सामने जीता, और वह हिस्सा पतला नहीं है
पदोन्नति रिलीज़ ऑर्डर के बजाय एक बेक-ऑफ द्वारा तय की गई। नौ मॉडलों ने एक ही ग्यारह ब्रीफ किए बीट्स लिखे, चार अलग-अलग कंपनियों के चार जजों के एक पैनल ने हर पैसेज को ब्लाइंड स्कोर किया और एक ही कंपनी के स्कोर बाहर रखे, और परिणाम ग्रिड में शामिल हो गए। GPT-6 Sol के खिलाफ — वह flagship जिसे OpenAI ने उसी महीने शिप किया — Opus 5.5 हर उस अक्ष पर आगे था जिन दोनों पर स्कोर किया गया: literary में चौदह अंक, pacing में तेरह, romance में चौदह। Sol एक सक्षम मॉडल है और इसका stablemate GPT-5.6 Sol यहाँ तीन अक्षों में आगे है, लेकिन fiction बीट्स पर यह विशेष तुलना करीबी नहीं थी।
डेटा कहाँ पतला है, और इसका क्या मतलब है
इसके नौ में से दो अक्ष मुश्किल से मापे गए हैं। Emotion तीन निर्णयों पर और physicality छह पर टिकी है, जो वास्तविक होने के लिए पर्याप्त है लेकिन settled होने के लिए बिल्कुल नहीं। इस साइट पर हर प्रकाशित स्कोर को उस तटस्थ prior की ओर इस अनुपात में खींचा जाता है कि उसके पीछे कितना कम डेटा है, इसलिए एक पतली cell कभी overclaim नहीं कर सकती, लेकिन वह अभी आपको बहुत कुछ नहीं बता सकती। ईमानदार सारांश यह है कि इसके craft अक्ष मापे गए हैं और इसके content अक्ष अभी आ रहे हैं।
What the scores mean for a book
इसके लिए भरोसा करें
- किसी उपन्यास की प्राथमिक, सीरीज़-परिभाषित आवाज़, विशेष रूप से जिसमें बहुत सारे डायलॉग हों।
- रोमांस और explicit से कम तनाव, जहाँ यह मापे गए किसी भी चीज़ से अधिक स्कोर करता है।
- ऐसे बीट्स जिनकी एक तंग ब्रीफ है जिसे आपको सटीक रूप से माना जाना चाहिए, जिसमें वे reveals शामिल हैं जिनमें जानकारी रोकनी है।
- लागत-संवेदनशील लंबी किताबें, क्योंकि यह Opus 5 की तुलना में प्रति टोकन बीस प्रतिशत सस्ता है और Unlimited सब्सक्रिप्शन द्वारा कवर किया जाता है।
इनके लिए विकल्प पर विचार करें
- सबसे explicit adult content, जहाँ Grok 4.5 बेंचमार्क में बड़े अंतर से आगे है।
- ऐसे बीट्स जो physical action पर निर्भर करते हैं, जहाँ GPT-5.6 Sol मापा गया नेता है और 5.5 को मुश्किल से ही स्कोर किया गया है।
- ऐसा काम जहाँ सबसे बड़ा संभावित साक्ष्य आधार नवीनतम मॉडल से अधिक मायने रखता है, जिस स्थिति में Opus 4.8 के पीछे दस गुना अधिक सैंपल है।
In Novelmint
Novelmint Opus 5.5 का उपयोग कैसे करता है
Opus 5.5 डिफ़ॉल्ट Lead है। Lead एक अध्याय का अधिकांश हिस्सा render करता है और climaxes पर एक हल्का nudge पाता है, ताकि किताब हर कुछ paragraphs में register बदलने के बजाय एक सुसंगत आवाज़ बनाए रखे। diversity router फिर अल्पसंख्यक बीट्स उस मॉडल को सौंपता है जो उन्हें मापे अनुसार बेहतर फ़िट करता है, और hub page पर ग्रिड ठीक वही है जो उस निर्णय से पढ़ा जाता है, इसलिए एक explicit बीट कहीं अधिक permissive जगह जा सकती है बिना बाकी किताब के उसके पीछे जाए। यह 2026-09-22 को दो कारणों से डिफ़ॉल्ट बना जो बताना आसान हैं: इसने अपना बेक-ऑफ जीता, और यह उस मॉडल से सस्ता है जिसे इसने बदला। आप build roster से किसी भी मॉडल को अपना Lead सेट कर सकते हैं, deviation pool में मॉडल जोड़ या हटा सकते हैं, या किसी एक को एक बीट पर pin कर सकते हैं।
Questions
Frequently asked
- क्या Claude Opus 5.5 फ़िक्शन लिखने में अच्छा है?
- हाँ। Novelmint fiction बेंचमार्क में यह मापे गए किसी भी मॉडल का सबसे मज़बूत romance स्कोर पोस्ट करता है, dialogue और fidelity दोनों तीसरे स्थान पर हैं, वास्तविक उपन्यास prose पर। इसका समग्र craft चौथा है, ऊपर के तीन मॉडलों से काफ़ी दूर नहीं बल्कि उनके करीब।
- क्या लेखन के लिए Claude Opus 5.5, Opus 5 से बेहतर है?
- रॉ स्कोर पर हाँ, प्रकाशित स्कोर पर अभी नहीं, और दोनों ही स्थितियों में यह प्रति टोकन बीस प्रतिशत सस्ता है। Opus 5.5 ने समान बीट्स पर Opus 5 से अधिक स्कोर किया, और romance अक्ष में सबसे आगे है। लेकिन Opus 5 समग्र craft, fidelity, pacing और emotion पर प्रकाशित बेंचमार्क में आगे है, लगभग दस गुना अधिक सैंपल के साथ। अगर आप आज का सबसे मज़बूत साबित मॉडल चाहते हैं, वह Opus 5 है। अगर आप वह चाहते हैं जिसने उसे कम पैसे में आमने-सामने हराया, वह 5.5 है।
- Claude Opus 5.5 की GPT-6 से तुलना कैसे होती है?
- GPT-6 Sol के खिलाफ यह हर उस अक्ष पर आगे था जिन दोनों मॉडलों पर स्कोर किया गया, उसी रन में और उसी ब्लाइंड पैनल द्वारा जज किया गया: literary, dialogue, fidelity, pacing, conflict, romance और अन्य। GPT-6 Sol explicit briefs को भी अस्वीकार करता है, उस अक्ष पर बहुत कम स्कोर करता है, इसलिए craft की परवाह किए बिना यह adult fiction के लिए उपयुक्त नहीं है।
- Opus 5.5 डिफ़ॉल्ट क्यों है अगर यह समग्र craft में केवल चौथे स्थान पर है?
- क्योंकि चौथा इसका shrunk स्कोर है, इसका परिणाम नहीं। रॉ craft पर यह पहले है, और इसने हर उस मॉडल को हराया जिसे उसी रन में समान बीट्स पर मापा गया। shrink इसलिए है ताकि पतला सैंपल overclaim न करे, जो सही डिफ़ॉल्ट है और इसका मतलब यह भी है कि एक नया मॉडल हमेशा थोड़े समय के लिए जितना है उससे बुरा दिखता है। जोड़ें कि यह तीसरे स्थान पर ब्रीफ संभालता है, सबसे अच्छा romance लिखता है, और उस मॉडल से बीस प्रतिशत सस्ता है जिसे इसने बदला, और यह सबसे अच्छा विकल्प है। अगर सैंपल बढ़ने पर इसकी संख्या टिकी नहीं रहती, तो वह निर्णय दोबारा देखा जाएगा।
- क्या Claude Opus 5.5 explicit दृश्य लिख सकता है?
- यह उनमें लगता है, और एक छोटे सैंपल पर eroticism अक्ष में mid-field स्कोर करता है। यह मापा गया सबसे permissive मॉडल नहीं है — Grok 4.5 उस अक्ष में काफ़ी आगे है — और Novelmint पर आप सबसे explicit बीट्स को अधिक permissive मॉडल की ओर deviate कर सकते हैं जबकि 5.5 को अपनी सीरीज़ की आवाज़ बनाए रख सकते हैं।
What this page does not claim
- ये स्कोर केवल fiction बीट्स पर Claude Opus 5.5 के prose का वर्णन करते हैं, Novelmint के judged सेट के खिलाफ मापे गए। ये Anthropic की आधिकारिक रेटिंग नहीं हैं और reasoning, coding, या अन्य क्षमताओं के बारे में कुछ नहीं कहते।
- इसके emotion अक्ष को अभी तक स्कोर नहीं किया गया है और इसका physicality अक्ष तीन निर्णयों पर टिका है। दोनों तटस्थ prior पर या उसके आसपास दिखाए गए हैं, जिसका अर्थ है unmeasured न कि कमज़ोर।
- इसका पूरा सैंपल Opus 4.8 के चौदह सौ के मुकाबले लगभग एक सौ बीस निर्णय है। नए नंबर अधिक बदलते हैं, और इसका प्रकाशित स्कोर सैंपल बढ़ने पर बदलता रहेगा — किसी भी दिशा में।
- डिफ़ॉल्ट Lead होना एक किताब ले जाने के लिए सबसे अच्छी एकल आवाज़ के बारे में निर्णय है, यह दावा नहीं कि यह हर अक्ष जीतता है। ग्रिड दिखाता है कि अन्य मॉडल समग्र craft, action, और explicit content में आगे हैं।
- Claude और Opus Anthropic के ट्रेडमार्क हैं; यह एक स्वतंत्र माप है, endorsement नहीं।
संबंधित
AI फिक्शन मॉडल बेंचमार्क
फ्रंटियर मॉडल वास्तव में फिक्शन कैसे लिखते हैं — नौ मानदंडों पर मापा गया।
एक्शन दृश्यों के लिए सबसे अच्छा AI
कौन सा AI लड़ाई या पीछा करने के दृश्य को स्पष्ट और ठोस रखता है, अस्पष्ट नहीं। भौतिकता के आधार पर रैंक किया गया।
संघर्ष दृश्यों के लिए सबसे अच्छा AI
कौन सा AI किसी बहस या गतिरोध को तनावपूर्ण और बढ़ता हुआ रखता है। मापे गए संघर्ष के आधार पर रैंक किया गया।
भावनात्मक दृश्यों के लिए सबसे अच्छा AI
कौन सा AI भावना-प्रधान दृश्य को बस बताने की बजाय असल में महसूस कराता है। भावना के आधार पर रैंक किया गया।
Opus 5.5 को अपनी सीरीज़ की आवाज़ बनाएं, और बाकी को खुद route होने दें।
Opus 5.5 डिफ़ॉल्ट Lead है। आपका पहला अध्याय लिखना और प्रकाशित करना मुफ़्त है।