01
排序：只看人工点赞率
点赞率 = 赞 ÷（赞 + 踩），按模型汇总它当前所有已发布评估上的真人评分；同一用户对同一评估版本只能评一次，避免刷票。
排名从高到低；点赞率相同时先看样本量，再看最近评测时间。
FeelFish Evals · Human Leaderboard
AI大模型小说写作能力评测排行榜
本榜只看真人：把同一个小说开篇任务交给不同大模型，由真实读者读完正文后点赞或点踩。排名按人工点赞率（赞 ÷（赞 + 踩））从高到低，并附样本量、需求符合与案例覆盖；评价数不足 50 的模型不参与名次。
AI 裁判分不参与排序，也不在本页展示；它按文笔、场景呈现、人物、节奏与原创性打分，在模型详情页评分后解锁。点赞率是读者偏好，不等于模型的绝对写作能力上限。
6 个上榜模型702 条真人评价更新至 2026-11-02样本门槛 50
一句话结论
截至 2026-11-02，人工点赞率前三：xiaomi-mimo-2.6-pro（70.6%，样本 102）、claude-opus-5-5（70.3%，样本 101）、gemini-3.8-flash（68.3%，样本 101）。完整名次、样本量与需求符合见下表。
人工点赞率排行榜
按人工点赞率从高到低；评价数 ≥ 50 才参与排名。
本榜只按真人点赞率排序。AI 裁判分与分项不参与排序，也不在本页公开；想核对机器评分，请进入模型详情页读第一章后评分解锁。
| 排名 | 模型 | 人工点赞率 | 赞 / 踩 | 需求符合 | 最近评测 |
|---|---|---|---|---|---|
| 1 | 小米3 个案例 | 70.6% 102 条评价72 赞 / 30 踩 | 72/30 | 2/3 | |
| 2 | Anthropic3 个案例 | 70.3% 101 条评价71 赞 / 30 踩 | 71/30 | 3/3 | |
| 3 | Google3 个案例 | 68.3% 101 条评价69 赞 / 32 踩 | 69/32 | 1/3 | |
| 4 | Moonshot3 个案例 | 67.7% 99 条评价67 赞 / 32 踩 | 67/32 | 3/3 | |
| 5 | OpenAI3 个案例 | 64.3% 98 条评价63 赞 / 35 踩 | 63/35 | 1/3 | |
| 6 | 字节跳动3 个案例 | 62.7% 102 条评价64 赞 / 38 踩 | 64/38 | 3/3 |
样本积累中
评价数少于 50，暂不参与名次这些模型已经进入评测，但真人评价还不够多。样本少时点赞率波动大，先看样本量、案例覆盖与正文，不要把小样本直接当成实力结论。
榜单口径与限制
这是一张「真人读者偏好」榜，不是通用能力总分榜。读懂下面四条，比只看名次更重要。
02
门槛：样本量 ≥ 50 才上榜
评价数不足 50 的模型只展示当前点赞率与样本量，不参与名次；几票、十几票的点赞率波动很大，不能拿来定榜。
样本积累到门槛后会自动进入主榜，不需要人工调整。
03
范围：当前已发布评估
每个模型只统计当前版本（isLatest）的已发布评估；旧版本、草稿与未发布记录不进入榜单。
不同模型覆盖的案例数量和评测时间不同，跨批次比较要结合样本量与案例覆盖一起看。
04
与 AI 裁判分的关系
本榜不展示 AI 裁判分，也不按裁判分排序；裁判分与分项在模型详情页评分后解锁，避免把「机器打分」当成真人偏好。
点赞率回答「读者想不想继续读」，裁判分回答「文笔、场景、人物、节奏、原创性如何」，两者不能互相替代。
盲测进行中： 榜单会随新投票变化。如果你正在参与盲测，建议先读正文再投票，不要用榜单倒推作品身份；这也是我们保留匿名阅读区随机顺序的原因。
常见问题
AI大模型小说写作能力评测排行榜按什么排序？
按人工点赞率排序：赞 ÷（赞 + 踩），按模型汇总当前已发布评估上的真人评分。评价数达到 50 的模型才参与名次；点赞率相同先看样本量，再看最近评测时间。
为什么有的模型没有名次？
评价数不足 50 的模型不参与排名，只展示当前点赞率与样本量。样本少时几票就能让点赞率大幅波动，直接给名次会误导读者；样本积累到门槛后会自动进入主榜。
点赞率和 AI 裁判分哪个更可信？
两者回答不同的问题：点赞率是真实读者读完后「想不想继续读」，AI 裁判分按文笔、场景呈现、人物、节奏与原创性打分。排行榜只按人工点赞率排序，AI 裁判分不参与；裁判分与分项在模型详情页评分后解锁。
榜单多久更新一次？
页面每次访问都按最新投票与已发布评估动态读取，所以盲测投票、评估发布都会改变排名；页面会标注数据更新时间。不同批次样本量不同，榜单是动态观察，不是一次定终身的绝对实力排名。
怎么参与盲测或复现评测？
在盲测 PK 里读匿名开篇并给出赞/踩，达到参与人数后解锁模型身份与结果；想复现评测，可以在 FeelFish 客户端里用同一方案、同一 brief 跑同一批小说开篇任务。
为什么不同模型的评价数差很多？
不同批次参与盲测的人数不同，我们不会为了凑样本重复计票，也不会把不同批次的样本硬凑成相同规模。评价数少时请结合样本量阅读，不要把小样本模型直接等同于弱模型。