Claude Opus 5.5 的小说写作方式
Opus 5.5 与它所取代的模型在相同的十一个情节上直接对比，由来自三家不同公司的同三位评委盲评。它以八比三赢得多数情节，写作均分为 87.7，对方为 82.2。它还取得了本站所有测评中最高的浪漫得分，且每 token 成本低二十个百分点。它目前尚欠缺的是积累：它背后大约有一百二十条判定，而 Opus 5 有八百条，本站发布的每个分数都会按样本薄厚程度向中性基线拉拢。因此 Opus 5 的公布分依然更高。这两件事同时成立。一个数字代表模型的得分，另一个代表它已证明的实力，只有时间才能缩小这个差距。
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 在 Novelmint 小说基准测评中取得了最高的浪漫得分。
- 对话维度排名第一，忠实度维度排名第三，四个写作维度均无明显短板。
- 公布写作分排名第二，为 84.6，仅次于 Opus 5，原因是 Opus 5 背后的样本量约为其七倍。
- 在同次对比中，它以八比三击败 Opus 5，并在所有共同评分维度上击败 GPT-6 Sol。
- 情感和身体描写分别仅有三条和六条判定。两者目前均属真实数据，但样本较薄，随着样本增长，波动幅度将大于其他维度。
How it writes
它在单次对比中击败了被其取代的模型
两个模型参加了同一次对比测试：相同的情节、相同的评委、盲评打分，同公司评委的分数被排除，以防 Anthropic 旗下模型互评。Opus 5.5 拿下十一个情节中的八个，写作均分 87.7 对 82.2。其胜出分布较为分散，而非集中在某一类——文学质量上的悲伤与窗边情节、对话上的分手情节、情感上的临终情节、动作上的攀爬情节。Opus 5 守住了三个，且全部是关于动势的情节，这与它在节奏上的持续优势吻合。两者的差异就是这个形态：5.5 写出更好的句子，更严格地遵守简报，而 Opus 5 在速度把控上仍然更胜一筹。
测评中最强的浪漫得分
其最强维度是浪漫，微弱领先于 Anthropic 专为故事写作调校的 Fable 5。这个分数描述的是张力而非热度：通过未言之物构建的吸引力、让人心动的具体身体细节、两人都想要同一件事却无人开口的那种紧张感。这才是大多数浪漫故事真正运行的频道，也比露骨内容更难驾驭——后者更接近一个意愿问题，而非技巧问题。
忠实度——信任它担当主笔的理由
忠实度决定了一个计划好的结构能否在渲染时得以保全。它衡量模型是否生成了简报中要求的情节、保留了情节所需的元素，以及是否避免让角色提前知晓不该知道的信息。Opus 5.5 在八十七条判定中排名第三，落后 Opus 5 一分半，与 Opus 4.8 相差不到半分。在单次对比测试中，它在这一维度上的得分实际上高于 Opus 5，为 90.9 对 77.3——这样的差距，随着样本增长，可能会被证实，也可能会被稀释。
它在与 GPT-6 Sol 的直接对比中全面胜出，且这部分数据并不单薄
晋级是通过对比测试决定的，而非凭发布顺序。九个模型写了相同的十一个情节简报，来自四家不同公司的四位评委盲评了所有段落，同公司评委的分数被排除，结果汇入对比表。与 OpenAI 同月发布的旗舰产品 GPT-6 Sol 相比，Opus 5.5 在所有共同评分维度上均领先：文学维度领先十四分，节奏领先十三分，浪漫领先十四分。Sol 是一个有实力的模型，其同系列的 GPT-5.6 Sol 在此处领跑三个维度，但在这次特定的小说情节对比中，差距相当明显。
数据薄弱之处，以及这意味着什么
它的九个维度中有两个几乎未经充分测量。情感仅有三条判定，身体描写有六条——足以证明真实性，但远未稳定。本站所有公布分都会按背后数据的多寡向中性基线拉拢，因此薄弱的单元格不会过度声索，但也尚无法提供太多信息。诚实的总结是：写作技巧维度已有测量，内容相关维度仍在积累中。
What the scores mean for a book
适合用于
- 小说的主笔系列声音，尤其是对话较多的作品。
- 浪漫情节及显露之前的张力描写，这是其得分最高的领域。
- 需要严格遵守简报的情节，包括含有待保留信息的揭示性场景。
- 注重成本的长篇小说，因为它每 token 比 Opus 5 便宜二十个百分点，且无限订阅同样适用。
可考虑替代方案的场景
- 最露骨的成人内容，该维度上 Grok 4.5 以较大优势领跑测评。
- 以动作场面为核心的情节，GPT-5.6 Sol 是该维度的实测领先者，而 5.5 的评分数据极少。
- 更看重最大证据基础而非最新模型的项目，此时 Opus 4.8 背后的样本量是其十倍。
In Novelmint
Novelmint 如何使用 Opus 5.5
Opus 5.5 是默认主笔。主笔负责渲染章节的大部分内容，并在高潮部分获得轻微引导，使全书保持统一的声音风格，而非每隔几段就切换语域。多样性路由器会将少量情节分配给在该情节上表现更佳的模型，而枢纽页面上的对比表正是该决策的依据——这样一来，露骨情节可以交给更宽松的模型处理，而不影响全书其余部分的风格。它于 2026-09-22 成为默认主笔，原因很简单：它赢得了对比测试，且成本低于它所取代的模型。你可以在创作名单中将任意模型设为主笔、添加或移除偏差池中的模型，或将某个模型固定到单个情节。
Questions
Frequently asked
- Claude Opus 5.5 擅长写小说吗？
- 擅长。在 Novelmint 小说基准测评中，它在所有受测模型中取得了最高的浪漫得分，对话和忠实度均排名第三，均基于真实小说散文。其综合写作分排名第四，与前三名差距较小而非悬殊。
- Claude Opus 5.5 在写作方面比 Opus 5 更好吗？
- 原始分上是的，公布分上暂时不是，但无论哪种情况，它每 token 都便宜二十个百分点。Opus 5.5 在相同情节上得分高于 Opus 5，且在浪漫维度排名第一。但 Opus 5 在公布测评的综合写作、忠实度、节奏和情感方面领先，背后支撑的样本量近十倍。如果你想要今天已有最强实力证明的模型，那是 Opus 5；如果你想要单次对比中击败它且价格更低的那个，那是 5.5。
- Claude Opus 5.5 与 GPT-6 相比如何？
- 与 GPT-6 Sol 的对比中，在同次测试、同一盲评小组的评定下，它在两个模型共同评分的所有维度上均领先：文学、对话、忠实度、节奏、冲突、浪漫等。GPT-6 Sol 还会拒绝露骨简报，在该维度得分极低，因此无论其写作技巧如何，都不适合成人小说。
- Opus 5.5 综合写作只排第四，为何还是默认主笔？
- 因为第四是它被缩减后的分数，而非实际结果。原始写作分它排名第一，且在同次对比中击败了与它同台竞技的每一个模型。缩减机制是为了防止薄弱样本过度声索——这是正确的默认设置，但也意味着新模型在一段时间内总会看起来比实际更差。再加上它的忠实度排名第三、拥有最佳浪漫得分，且比它所取代的模型便宜二十个百分点，它就是最佳选择。如果随着样本增长，其数字站不住脚，这个决定会被重新审视。
- Claude Opus 5.5 能写露骨场景吗？
- 可以，且在少量样本的情色维度上得分居中。它不是测评中最宽松的模型——Grok 4.5 在该维度上遥遥领先——在 Novelmint 上，你可以将最露骨的情节偏差给更宽松的模型，同时保留 5.5 作为你的系列声音。
What this page does not claim
- 这些分数仅描述 Claude Opus 5.5 在小说情节上的散文表现，基于 Novelmint 的评委评分集。它们不是 Anthropic 官方评级，与推理、编程或其他能力无关。
- 其情感维度尚未评分，身体描写维度仅有三条判定。两者均显示为接近中性基线，意味着尚未测量，而非表现薄弱。
- 其全部样本约有一百二十条判定，而 Opus 4.8 有一千四百条。较新的数字波动更大，随着样本增长，其公布分将持续变化——可升可降。
- 成为默认主笔是关于最适合贯穿全书声音的决定，并非声称它在每个维度都胜出。对比表显示其他模型在综合写作、动作和露骨内容方面领先。
- Claude 和 Opus 是 Anthropic 的商标；这是独立测量结果，并非 Anthropic 的背书。