多款主流大模型创作能力测评：一张图看清单模型长板

思否（SegmentFault）近期针对GPT-5.5、GPT-5.4、Claude Opus 4.7、Gemini 3.1 Pro做了场景专项测试，结果划出一道分水岭：创意类（短视频脚本、营销文案、头脑风暴）赛道，Gemini 3.1 Pro 9.1分居首，GPT-5.4以9.0分紧追。

但换到代码开发、长文本处理、复杂推理等场景，Gemini没能进前三。

这不是"专精"两个字能概括的，是2026年大模型写作赛道已经走到差异化分工的阶段。

9.1分的背后，是两套不一样的跑法

同一款模型，创意9.1、代码8.8——分差不大，底层却是两条技术路径。

创意写作考的是发散和陌生化：打破固有关联、造惊喜、给意料之外的视角。Gemini 3.1 Pro在这项上占便宜，原因是它对"任务边界约束"理解得稳——给定清晰创作方向后，它不会像早期模型那样堆"实力顶尖""极致体验"这类空形容词，能稳住行文基调，出接近真人创作者的初稿。

测评人员提到一个细节：写短视频脚本时，Gemini会主动拆叙事结构，按0–15秒/15–40秒/40–90秒分段给镜头构思——搭叙事骨架恰恰是创意活最核心的那截。

太平洋科技2026年6月横评也能互证：多模态榜Gemini 3.1 Pro 9.8分居首，图文解析、表格识别、视频帧提取都在第一档。创意写作不纯是文字活，常牵扯图像理解、视频解析、跨模态联想——Gemini原生多模态架构在这类任务上有先天优势。

其余几款的短板，得对症看

GPT-5.5｜创意8.7，代码9.6，复杂推理9.5

思否评语："文风务实，氛围感偏弱。"定位偏工程落地——写技术方案、可行性分析是首选；交它写脚本，逻辑严但像说明文。

Claude Opus 4.7｜创意8.8，长文本叙事架构9.5

问题不在文笔，在"平"。长文分层、格式编排亮眼，但段落间层次感不足，读起来像素材汇编，缺叙事递进。适合搭企业知识库、出技术文档初稿。

GPT-5.4｜创意9.0

产品定位均衡型，无明显短板——各类活都能接，但没一项碾压。需求不明确时选它不踩坑；目标明确冲创意表现力，Gemini更对路。

9.1分有个前提，得说清

多家测评谈到Gemini 3.1 Pro文本能力时，结论一致：结构化任务和创意任务，表现差得明显。

开源中国实测说得更直："行文过于规整，缺中文网文那股语感节奏。"测了公众号推文、商业计划书、古诗词三类后判断：计划书、报告这类结构化稿Gemini够用；但要个人风格、情绪感染力，建议先用别的模型出初稿，首尾段自己调。

还有用户提过一个长文测评里的细节：Gemini 3.1 Pro开篇结尾表现力出众，但正文段容易结构重复、重心分散——换句话说，搭创意框架是强项，细节填充、文风打磨是弱项。

所以9.1分要加个定语：适用于创意素材范畴。拆开看是——框架Gemini强，填肉磨文风Gemini弱。

选型：别逼模型干不擅长的活

2026年选AI写作工具，比的早不是"谁综合最强"，是"哪款适配你当下那截活"。Gemini拿9.1分，不代表它啥稿子都出彩，只说明它在特定场景里压得过同行。用对场景，9.1分的优势才跑得出来；选错场景，它就是个文风四平八稳的普通模型。

💡 对国内内容团队来说，这套测评结果其实给了一个挺实用的搭配思路：短视频脚本/营销创意起头用Gemini 3.1 Pro，长文审阅和资料整合换Claude Opus 4.7，工程类技术稿走GPT-5.5——三款切换着用，比死磕单一模型顺。想同步用上这几家最新版（Gemini、Claude、ChatGPT、DeepSeek都覆盖），又不想在高频创作场景下被官方账单拖住，UseAIAPI​ 已经把全球主流大模型最新版本聚齐，企业级稳定接入，部分型号长期折扣可至官方价的5折。脚本、推文、长文审阅这类"多轮调用+大上下文"的消耗结构，月度账单摊下来感知会比较直接——模型侧各家已经分出长板了，接入侧反而该收拢口径，借道稳定中转比分别接官方渠道省事，也省账。