Как Claude Opus 5.5 пишет художественную прозу
Opus 5.5 измерялся напрямую против модели, которую он заменил, на тех же одиннадцати сценах, оценивался вслепую теми же тремя судьями из трёх разных компаний. Он выиграл восемь из них против трёх, со средним показателем мастерства 87,7 против 82,2. Также он показывает наивысший балл по романтике среди всех протестированных моделей и стоит на двадцать процентов меньше за токен. Чего у него ещё нет — так это истории: за ним стоит около ста двадцати оценок, тогда как за Opus 5 — восемьсот, и каждый опубликованный балл на этом сайте смещён к нейтральной базовой линии пропорционально тому, насколько мала выборка. Поэтому Opus 5 по-прежнему публикует более высокий результат. Оба утверждения верны одновременно. Одно число — это то, что модель набирает; другое — то, что она доказала, и только время закрывает этот разрыв.
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 показывает наивысший балл по романтике в художественном бенчмарке Novelmint.
- Он занимает первое место по диалогу и третье по точности воспроизведения — без слабых мест ни по одной из четырёх осей мастерства.
- Его опубликованное мастерство — второе, 84,6 — уступает Opus 5 только потому, что за Opus 5 примерно в семь раз больше данных.
- Он победил Opus 5 со счётом восемь к трём, а GPT-6 Sol — по всем осям, по которым оба оценивались, в одном и том же сравнительном запуске.
- Эмоции и физичность опираются на три и шесть оценок соответственно. Оба показателя реальны, но выборка мала, и они будут меняться сильнее остальных по мере её роста.
How it writes
Он победил модель, которую заменил, в прямом сравнении
Обе модели участвовали в одном соревновании: одинаковые сцены, одинаковые судьи, оценка вслепую, с исключением оценок от одной компании, чтобы ни одна модель Anthropic не оценивала ни одну из них. Opus 5.5 взял восемь из одиннадцати сцен и показал средний балл мастерства 87,7 против 82,2. Победы были рассредоточены, а не сгруппированы — сцены горя и окна по литературному качеству, расставание по диалогу, смертное ложе по эмоциям, подъём по физическому действию. Opus 5 удержал три, и все три — сцены о движении, что соответствует его стабильному лидерству в темпе. Вот суть различия: 5.5 пишет более сильную строку и точнее следует брифу, а Opus 5 по-прежнему лучше управляет скоростью.
Наивысший балл по романтике в бенчмарке
Его ведущая ось — романтика, где он немного опережает Fable 5, модель, которую Anthropic настраивал для сторителлинга. То, что описывает этот балл — скорее напряжение, чем жар: притяжение, которое нарастает через недосказанное, точная физическая деталь, которая сбивает с толку, напряжение сцены, где два человека хотят одного и никто не говорит об этом. Именно в этом регистре и работает большинство романтики, и это сложнее передать, чем явный контент — который скорее вопрос готовности, чем мастерства.
Точность воспроизведения — по-прежнему причина доверять ему как Lead
Точность воспроизведения — это ось, которая определяет, выживает ли запланированная структура при взаимодействии с рендерером. Она измеряет, выдала ли модель именно ту сцену, на которую был бриф, сохранила ли необходимые элементы и не взяла ли то, что персонаж ещё не должен знать. Opus 5.5 занимает третье место по восьмидесяти семи оценкам, отставая от Opus 5 на полтора балла и находясь в полубалле от Opus 4.8. В прямом сравнении он фактически набрал больше, чем Opus 5 по этой оси — 90,9 против 77,3, — и растущая выборка либо подтвердит, либо нивелирует этот разрыв.
В прямом сравнении с GPT-6 Sol он победил убедительно — и эта победа не обусловлена малой выборкой
Продвижение было определено соревнованием, а не порядком выхода. Девять моделей написали одни и те же одиннадцать забрифованных сцен, коллегия из четырёх судей из четырёх разных компаний оценила каждый отрывок вслепую с исключением оценок от одной компании, и результаты вошли в таблицу. Против GPT-6 Sol — флагмана, который OpenAI выпустил в том же месяце, — Opus 5.5 лидировал по каждой оси, по которой оба оценивались: по литературному качеству на четырнадцать баллов, по темпу на тринадцать, по романтике на четырнадцать. Sol — способная модель, и его «соседка» GPT-5.6 Sol лидирует по трём осям здесь, но в этом конкретном сравнении на сценах художественной литературы разрыв был значительным.
Где данных мало — и что это означает
Две из его девяти осей практически не измерены. Эмоции опираются на три оценки, физичность — на шесть: этого достаточно, чтобы быть реальными, но недостаточно, чтобы считаться устоявшимися. Каждый опубликованный балл на этом сайте смещён к нейтральному приору пропорционально объёму данных, поэтому тонкая ячейка никогда не преувеличит результат, но и многого ещё не скажет. Честный вывод: оси мастерства измерены, оси контента пока накапливаются.
What the scores mean for a book
Используйте его для
- Основного голоса романа, определяющего серию — особенно с большим количеством диалогов.
- Романтики и напряжения без явного контента — здесь он набирает наивысший балл среди всех протестированных.
- Сцен с жёстким брифом, которому нужно следовать точно, включая раскрытия с информацией, которую нужно скрыть.
- Длинных книг с ограниченным бюджетом: он на двадцать процентов дешевле за токен, чем Opus 5, и по-прежнему входит в подписку Unlimited.
Рассмотрите альтернативы для
- Наиболее явного взрослого контента — здесь Grok 4.5 лидирует в бенчмарке с большим отрывом.
- Сцен с физическим действием, где GPT-5.6 Sol является измеренным лидером, а 5.5 почти не оценивался.
- Работы, где важнее всего максимальная доказательная база, а не новизна модели — в этом случае за Opus 4.8 стоит в десять раз больше данных.
In Novelmint
Как Novelmint использует Opus 5.5
Opus 5.5 — Lead по умолчанию. Lead рендерит большинство главы и получает мягкий акцент на кульминациях, чтобы книга сохраняла один цельный голос, не меняя регистр каждые несколько абзацев. Роутер разнообразия затем передаёт меньшую часть сцен той модели, которая явно подходит для них лучше, и таблица на главной странице — именно то, из чего это решение считывается: явная сцена может попасть туда, где с ней обращаются свободнее, без того чтобы вся остальная книга последовала за ней. Он стал дефолтным 22 сентября 2026 года по двум простым причинам: он выиграл соревнование и стоит меньше, чем модель, которую заменил. Вы можете назначить любую модель Lead, добавлять или убирать модели из пула отклонений или закрепить одну за конкретной сценой — всё это из ростера сборки.
Questions
Frequently asked
- Claude Opus 5.5 хорошо пишет художественную литературу?
- Да. В художественном бенчмарке Novelmint он показывает наивысший балл по романтике среди всех протестированных моделей, с диалогом и точностью воспроизведения на третьем месте — на реальной прозе романов. Его общее мастерство — четвёртое, недалеко от трёх моделей выше него, а не в отрыве от них.
- Claude Opus 5.5 лучше Opus 5 для написания текстов?
- По сырому баллу — да, по опубликованному — пока нет, и при этом он на двадцать процентов дешевле за токен в любом случае. Opus 5.5 набрал больше, чем Opus 5, на одинаковых сценах, и лидирует по оси романтики. Но Opus 5 лидирует в опубликованном бенчмарке по общему мастерству, точности воспроизведения, темпу и эмоциям, опираясь почти на десятикратно большую выборку. Если вам нужна самая убедительно доказавшая себя модель сегодня — это Opus 5. Если вы хотите ту, что победила её в прямом сравнении и стоит дешевле — это 5.5.
- Как Claude Opus 5.5 сравнивается с GPT-6?
- Против GPT-6 Sol он лидировал по каждой оси, по которой обе модели оценивались, в одном запуске и теми же слепыми судьями: литературное качество, диалог, точность воспроизведения, темп, конфликт, романтика и другие. GPT-6 Sol также отклоняет явные брифы, показывая очень низкий балл по этой оси, так что для взрослой фантастики он плохо подходит вне зависимости от мастерства.
- Почему Opus 5.5 — дефолтный, если он только четвёртый по общему мастерству?
- Потому что четвёртое место — это его сжатый балл, а не реальный результат. По сырому мастерству он первый, и он победил каждую модель, с которой сравнивался, в одном запуске на одних сценах. Сжатие существует, чтобы малая выборка не преувеличивала результат — это правильный подход по умолчанию, но он также означает, что новая модель всегда выглядит хуже, чем есть, какое-то время. Добавьте к этому, что он держит бриф на третьем месте, пишет лучшую романтику из измеренных и стоит на двадцать процентов меньше, чем модель, которую заменил, — и выбор очевиден. Если с ростом выборки его цифры не подтвердятся, решение будет пересмотрено.
- Может ли Claude Opus 5.5 писать явные сцены?
- Да, и по оси эротизма он показывает средний результат на небольшой выборке. Он не самая разрешительная из протестированных моделей — Grok 4.5 лидирует по этой оси с большим отрывом, — и в Novelmint вы можете отклонять наиболее явные сцены к более разрешительной модели, сохраняя 5.5 как голос серии.
What this page does not claim
- Эти баллы описывают прозу Claude Opus 5.5 только на сценах художественной литературы, измеренную на судейском наборе Novelmint. Это не официальный рейтинг Anthropic и ничего не говорит о рассуждениях, написании кода или других возможностях.
- Ось эмоций ещё не оценивалась, а ось физичности опирается на три оценки. Обе показаны на уровне нейтрального приора или близко к нему, что означает «не измерено», а не «слабо».
- Вся его выборка составляет около ста двадцати оценок против четырнадцати сотен у Opus 4.8. Более новые цифры меняются сильнее, и его опубликованный балл будет продолжать меняться по мере роста выборки — в любую сторону.
- Быть Lead по умолчанию — это решение о лучшем едином голосе для книги, а не утверждение, что он выигрывает по каждой оси. Таблица показывает, что по общему мастерству, экшену и явному контенту лидируют другие модели.
- Claude и Opus — торговые марки Anthropic; это независимое измерение, а не одобрение с их стороны.
По теме
Бенчмарк AI-моделей для художественной прозы
Как ведущие модели на самом деле пишут художественную прозу — измерено по девяти осям.
Лучший ИИ для экшн-сцен
Какой ИИ удерживает бой или погоню чёткими и приземлёнными, а не размытыми. Ранжировано по физичности.
Лучший ИИ для сцен конфликта
Какой ИИ удерживает спор или противостояние напряжёнными и нарастающими. Ранжировано по измеренному конфликту.
Лучший ИИ для эмоциональных сцен
Какой ИИ заставляет эмоциональную сцену работать, а не просто описывает её. Ранжировано по эмоциональности.
Сделайте Opus 5.5 голосом своей серии — и позвольте остальному распределиться само.
Opus 5.5 — Lead по умолчанию. Первую главу можно написать и опубликовать бесплатно.