Hangi yapay zeka modeli en iyi kurguyu yazıyor?

Genel zanaat — edebi, diyalog, bağlılık ve tempo eksenlerinin gerçek roman düz yazısındaki ortalaması — açısından Claude Opus 4.8 şu an önde, GPT-5.6 Sol hemen arkasında. Ancak \"en iyi\" sahneye göre değişir: aksiyon, romantizm ve yetişkin içeriği için en yüksek puanlar farklı modellerde. Bu sayfadaki ızgara mevcut sıralamaları ve her sayının arkasındaki örnek boyutunu gösteriyor.

Bu kıyaslama nasıl ölçülüyor?

Her model özdeş koşullar altında aynı brifinge dayalı vuruşları yazar; kör bir jüri paneli ortaya çıkan düz yazıyı dokuz eksende 0–100 arasında puanlar — dördü zanaat için (edebi, diyalog, bağlılık, tempo), beşi içerik türü için (duygu, fiziksellik, çatışma, romantizm, erotizm). Puanlar, ince verilerin sayıyı saptıramaması için tarafsız 70 temel çizgisine doğru güven çekimi uygulanır ve örnek sayısı her puanın yanında gösterilir.

Zanaat eksenleri ile içerik eksenleri arasındaki fark nedir?

Zanaat eksenleri bir modelin konudan bağımsız olarak ne kadar iyi yazdığını ölçer — cümle kalitesi, karakter sesi, brifinge bağlılık ve tempo kontrolü. İçerik eksenleri ise bir sahne türüne uygunluğu ölçer: duygu, fiziksel aksiyon, çatışma, romantizm ve yetişkin içeriği. Bir model güzel cümleler yazabilir ama yine de dövüş sahnelerini kötü yönetebilir; bu yüzden iki aile ayrı ayrı puanlanır ve gösterilir.

Neden tek en iyi modeli seçip her şey için kullanmıyoruz?

Çünkü hiçbir model her ekseni kazanmıyor. En güçlü edebi zanaat, en iyi aksiyon ve en yetenekli romantizm veya yetişkin yazımı farklı modellere ait. Novelmint bir kitabı vuruş vuruş modeller arasında yönlendirir — büyük çoğunluğu tutarlılık için tek bir seri sesinde tutar ve belirli vuruşlarda daha güçlü bir modele sapma yapar — bu yalnızca bu ızgara var olduğu için mümkündür.

Düşük puan bir modelin kötü olduğu anlamına mı gelir?

Zorunlu değil. Düşük içerik puanı, modelin yetenekli ama isteksiz olduğu anlamına gelebilir — çoğu model erotizmde düşük puan alır çünkü reddeder veya klinik bir dil kullanır, beceri eksikliğinden değil. Düşük güvenlik puanı (az örnek) ise tarafsız temel çizgisine doğru çekilir; bu \"henüz kanıtlanmamış\" demektir, \"zayıf olduğu kanıtlanmış\" değil. Puanı her zaman örnek boyutuyla birlikte okuyun.

Kıyaslama ne sıklıkla güncelleniyor?

Sürekli olarak. Izgara, platformun puanlama deposunun canlı bir projeksiyonudur: Novelmint bir bölüm oluştururken bir pasajı derecelendiren aynı jüri gözlemlerini geri katlar; bu nedenle yazarlar motoru kullandıkça ve örnek boyutları büyüdükçe sayılar değişir. Sayfa en son yeniden kalibrasyon tarihini gösterir. Yeni model sürümleri, yerini aldıkları modelle harmanlenmak yerine sıfırdan yeniden ölçülür; böylece bir sürüm değişikliği bir sütunu sessizce asla bozmaz.

Kurgu modeli kıyaslaması

Hangi yapay zeka modeli gerçekten en iyi kurguyu yazıyor?

Live data · measured as of July 24, 2026

Her model kartı matematik, kodlama ve akıl yürütmeyi ölçüyor. Hiçbiri bir modelin okuyucunun atlamayacağı bir sahne yazıp yazamadığını ölçmüyor. Bu yüzden biz o kıyaslamayı inşa ettik. Kör bir jüri paneli, öncü modellerin gerçek roman düz yazılarını dokuz eksende puanlıyor — dördü zanaat için, beşi bir kitabın gerçekten hangi tür sahnelerden oluştuğu için — ve aşağıdaki rakamlar canlı sonuçtur. Bu bir pazarlama grafiği değil: Novelmint'in kitabınızın her vuruşu için model seçerken kullandığı tam ızgaradır.

Hikayeni ücretsiz başlat Puanlama nasıl çalışır

Key takeaways

Kıyaslama, Anthropic, OpenAI, Google ve xAI'dan öncü modelleri gerçek roman düz yazısında — çoktan seçmeli testlerde değil — dokuz eksende puanlıyor: dört zanaat (edebi, diyalog, bağlılık, tempo) ve beş içerik (duygu, fiziksellik, çatışma, romantizm, erotizm).
Zanaat eksenleri bir modelin NE KADAR İYİ yazdığını ölçer; içerik eksenleri hangi tür sahneyi iyi yazdığını. Bir model güzel cümleler yazabilir ama yine de düz dövüş sahneleri üretebilir; bu yüzden ikisi ayrı tutulur ve hiçbir zaman yanıltıcı tek bir sayıda birleştirilmez.
Her puan, arkasındaki veri miktarıyla orantılı olarak tarafsız 70 temel çizgisine doğru güven çekimi uygulanır; böylece şanslı üç örnekli bir sonuç asla yerleşik bir gerçekmiş gibi görünemez. Her sayının arkasındaki örnek boyutu gösterilir.
Hiçbir model her şeyi kazanmıyor. En güçlü genel edebi zanaat, en istikrarlı bağlılık, en iyi aksiyon ve en istekli romantizm ile yetişkin yazımı farklı sütunlarda yer alıyor — bu da bir kitabı tek bir model seçmek yerine modeller arasında yönlendirmenin tüm argümanı.
Bu, Novelmint'in bir bölüm oluştururken vuruş başına model seçmek için kullandığı ızgaranın ta kendisidir — ve bir yapım sırasında bir pasajı puanlayan aynı jüri bunu besler; bu nedenle yazarlar motoru kullandıkça rakamlar güncellenir. Bu canlı bir mekanizmadır, geriye dönük bir iddia değil.

The benchmark

Frontier models on real novel prose

Live data · updated July 24, 2026

Bu canlı veridir, tek seferlik bir test değil

Aşağıdaki tablo bir kez çalıştırıp dondurduğumuz bir kıyaslama değil. Platformun çalıştığı puanlama deposunun canlı bir projeksiyonudur: bir yapım sırasında bir pasajı derecelendiren aynı jüri bu ızgarayı besler; bu nedenle Novelmint'te yazılan her bölüm gözlem ekler, örnek boyutları büyür ve rakamlar keskinleşir. Daha fazla yazar motorla kitap ürettikçe kıyaslama güncellenir — yukarıdaki tarih yalnızca en son yeniden kalibrasyon tarihidir.

Novelmint fiction-model benchmark — measured craft and content-fitness scores (0–100) for frontier AI models on real novel prose. Click a column heading to sort.
		Craft — how well it writes				Content — what it writes well

Claude Opus 5LeadAnthropic	85	84	87	86	83	87	84	84	82	78
Claude Opus 4.8Anthropic	82	87	72	87	84	86	77	79	81	57
Fable 5Anthropic	75	79	79	73	70	82	73	73	84	54
GPT-5.6 SolOpenAI	84	87	84	83	84	85	93	89	83	32
Claude Sonnet 5Anthropic	74	69	76	79	72	82	78	75	75	50
Claude Haiku 4.5Anthropic	65	72	60	64	63	71	63	68	68	51
GPT-5.6 TerraOpenAI	80	79	82	80	79	81	86	84	81	35
GPT-4.1OpenAI	68	71	64	70	68	67	70	62	70	63
Gemini 3.1 ProGoogle	73	65	72	77	80	74	81	77	76	77
Gemini 3.5 FlashGoogle	78	76	76	80	79	68	71	80	73	74
Gemini 3.6 FlashGoogle	74	71	73	78	74	74	80	71	72	73
Grok 4.5xAI	67	66	52	75	76	64	79	73	73	83
Grok 4.3xAI	65	67	61	74	60	73	78	71	73	78

0–100 confidence-adjusted score* = fewer than 6 samples (provisional)Click a column heading to sort · hover a cell for its sample size

Izgara nasıl okunur

Başlık sayısı genel zanaat — bir modelin dört yürütme ekseninin ortalaması; bu \"düz yazısı ne kadar iyi\" sorusunun en yakın yanıtıdır. Sağdaki içerik eksenleri daha iyi-daha kötü sıralamaları değildir; modelin NE İÇİN UYGUN olduğunu söyler. Yüksek fiziksellik puanı temiz aksiyon demektir; düşük erotizm puanı genellikle zayıf yazarlıktan değil, reddetme veya klinik düzlükten kaynaklanır — bu beceri değil, isteklilik göstergesidir. Modelleri karşılaştırmak için zanaat puanını sütun boyunca okuyun; tek bir modelin güçlü ve zayıf olduğu yerleri görmek için içeriği satır boyunca okuyun.

Best AI for…

A straight answer for one kind of scene — or one genre

By what your scene needs

By genre

Not sure which to use?

Tell us what your book leans on

Pick what matters most for your story. We’ll rank the models for exactly that — the same way the build router chooses.

Choose one or more above to see your best-fit models.

Methodology

How the numbers are produced

01

Test cevapları değil, gerçek düz yazı üret

Her model aynı vuruşları yazar — gerekli öğeleri, yasaklı bilgileri, bir bakış açısını ve dramatik bir hedefi olan brifinge dayalı sahneler — özdeş koşullar altında. Bir sınavdaki performansı değil, kurgusal üretimini bir editörün okuduğu gibi puanlıyoruz.

02

Kör olarak, dokuz eksende puanla

Bir jüri paneli, hangi modelin yazdığını bilmeden her pasajı dört zanaat ekseni (edebi, diyalog, bağlılık, tempo) ve beş içerik ekseni (duygu, fiziksellik, çatışma, romantizm, erotizm) üzerinden 0–100 arasında değerlendirir. Zanaat yürütme kalitesidir; içerik ise bir sahne türüne uygunluktur.

03

Tarafsız bir önceliğe doğru çek

Bir avuç örnekten elde edilen ham ortalama gürültüdür. Her hücre, kanıtı ne kadar ince olduğuyla orantılı olarak tarafsız 70 temel çizgisine doğru çekilir; böylece erken, şanslı bir ölçüm yeterli gözlem ona bir yer kazanana kadar kabaca ortalama olarak okunur. Yayınlanan sayı bu çekilmiş değerdir; örnek boyutu yanında gösterilir.

04

Katlamaya devam et, elle asla üzerine yazma

Yeni jüri gözlemleri çalışan bir ortalamaya katlanır ve örnek sayısı büyür; böylece ızgara zamanla keskinleşir. Sayılar gözlemlerden yeniden üretilir, asla elle girilmez; bir model sürümü bir takma ad altında değiştiğinde hücreleri iki farklı modeli harmanlamak yerine temiz bir yeniden ölçüme sıfırlanır.

Read the full methodology Get the data as JSON

Where this leads

Bu tür bir kıyaslamanın kullanılabilir olmasının nedeni

Tek bir sahne için farklı bir model seçmek, ancak bir kitap tek geçişte oluşturulmak yerine ayrık, brifinge dayalı birimlerle inşa edildiğinde işe yarar. Bu birim vuruştur; farklı modeller farklı vuruşları yazarken hikayeyi tutarlı tutmak, yapımla birlikte gelen bir yay-ve-varlık belleğinin işidir. Kıyaslama bir puan tahtasıdır; vuruşlar ve yay belleği bir kitabın bunu gerçekten kullanabilmesini sağlar.

Yapay zeka hikaye sürekliliğini nasıl korur (etkileşimli)Hikaye vuruşu nedir?Beat sheet doğru yapıldığında Novelmint bir roman nasıl inşa eder

Questions

Frequently asked

Hangi yapay zeka modeli en iyi kurguyu yazıyor?: Genel zanaat — edebi, diyalog, bağlılık ve tempo eksenlerinin gerçek roman düz yazısındaki ortalaması — açısından Claude Opus 4.8 şu an önde, GPT-5.6 Sol hemen arkasında. Ancak \"en iyi\" sahneye göre değişir: aksiyon, romantizm ve yetişkin içeriği için en yüksek puanlar farklı modellerde. Bu sayfadaki ızgara mevcut sıralamaları ve her sayının arkasındaki örnek boyutunu gösteriyor.
Bu kıyaslama nasıl ölçülüyor?: Her model özdeş koşullar altında aynı brifinge dayalı vuruşları yazar; kör bir jüri paneli ortaya çıkan düz yazıyı dokuz eksende 0–100 arasında puanlar — dördü zanaat için (edebi, diyalog, bağlılık, tempo), beşi içerik türü için (duygu, fiziksellik, çatışma, romantizm, erotizm). Puanlar, ince verilerin sayıyı saptıramaması için tarafsız 70 temel çizgisine doğru güven çekimi uygulanır ve örnek sayısı her puanın yanında gösterilir.
Zanaat eksenleri ile içerik eksenleri arasındaki fark nedir?: Zanaat eksenleri bir modelin konudan bağımsız olarak ne kadar iyi yazdığını ölçer — cümle kalitesi, karakter sesi, brifinge bağlılık ve tempo kontrolü. İçerik eksenleri ise bir sahne türüne uygunluğu ölçer: duygu, fiziksel aksiyon, çatışma, romantizm ve yetişkin içeriği. Bir model güzel cümleler yazabilir ama yine de dövüş sahnelerini kötü yönetebilir; bu yüzden iki aile ayrı ayrı puanlanır ve gösterilir.
Neden tek en iyi modeli seçip her şey için kullanmıyoruz?: Çünkü hiçbir model her ekseni kazanmıyor. En güçlü edebi zanaat, en iyi aksiyon ve en yetenekli romantizm veya yetişkin yazımı farklı modellere ait. Novelmint bir kitabı vuruş vuruş modeller arasında yönlendirir — büyük çoğunluğu tutarlılık için tek bir seri sesinde tutar ve belirli vuruşlarda daha güçlü bir modele sapma yapar — bu yalnızca bu ızgara var olduğu için mümkündür.
Düşük puan bir modelin kötü olduğu anlamına mı gelir?: Zorunlu değil. Düşük içerik puanı, modelin yetenekli ama isteksiz olduğu anlamına gelebilir — çoğu model erotizmde düşük puan alır çünkü reddeder veya klinik bir dil kullanır, beceri eksikliğinden değil. Düşük güvenlik puanı (az örnek) ise tarafsız temel çizgisine doğru çekilir; bu \"henüz kanıtlanmamış\" demektir, \"zayıf olduğu kanıtlanmış\" değil. Puanı her zaman örnek boyutuyla birlikte okuyun.
Kıyaslama ne sıklıkla güncelleniyor?: Sürekli olarak. Izgara, platformun puanlama deposunun canlı bir projeksiyonudur: Novelmint bir bölüm oluştururken bir pasajı derecelendiren aynı jüri gözlemlerini geri katlar; bu nedenle yazarlar motoru kullandıkça ve örnek boyutları büyüdükçe sayılar değişir. Sayfa en son yeniden kalibrasyon tarihini gösterir. Yeni model sürümleri, yerini aldıkları modelle harmanlenmak yerine sıfırdan yeniden ölçülür; böylece bir sürüm değişikliği bir sütunu sessizce asla bozmaz.

What this page does not claim

Bu kıyaslama yalnızca kurgu için düz yazı kalitesini ve içerik uygunluğunu ölçer. Bir modelin yazma bağlamı dışındaki akıl yürütme, kodlama, matematik, olgusal doğruluk veya güvenlik hakkında hiçbir şey söylemez.
Puanlar, değerlendirilen set ve kullanılan istemlerle göreli olup model sağlayıcılarının onayladığı mutlak veya resmi bir derecelendirme değildir. Model adları ve ticari markalar ilgili sahiplerine aittir.
Daha yüksek genel zanaat puanı, bir modelin her kitap için doğru seçim olduğu anlamına gelmez — ses, tür, içerik ihtiyaçları ve maliyet de önemlidir; bu yüzden Novelmint tek bir modeli taçlandırmak yerine modeller arasında yönlendirme yapar.
Az örnekli hücreler geçicidir. Bir sayı az gözlem taşıdığında tarafsız temel çizgisine doğru çekilir ve işaretlenir; daha fazla ölçüm katlandıkça değişecektir.

İlgili

Aksiyon sahneleri için en iyi yapay zeka

Hangi yapay zeka bir dövüşü veya kovalamacayı belirsiz bırakmak yerine net ve gerçekçi tutar? Fiziksellik ekseninde sıralandı.

Çatışma sahneleri için en iyi yapay zeka

Hangi yapay zeka bir tartışma veya gerginliği gergin ve tırmanır halde tutar. Ölçülen çatışma ekseninde sıralandı.

Duygusal sahneler için en iyi yapay zeka

Hangi yapay zeka, duygu odaklı bir sahneyi yalnızca anlatmak yerine gerçekten hissettiriyor? Duygusallık ekseninde sıralandı.

Açık sahneler için en iyi yapay zeka

Hangi yapay zeka gerçekten açık yetişkin içeriği yazar — hangisi reddeder. İstekliliğe göre sıralandı.