近两年大模型在推理、代码、Agent 领域持续突破，但大量用户却有直观感受：AI 的写作水平反而在走下坡路，套路感加重、同质化明显、仿写精度下降。这并非个体审美疲劳带来的错觉，而是行业普遍存在的现象，背后关联着模型迭代路径、训练数据生态与厂商优化方向的多重变化，也重新定义了内容创作的核心竞争力。
一、实测验证：新旧模型仿写能力出现代际差距
“AI 写作变差” 最初常被归因为 “套路被摸透” 的主观感受，但同题对照测试给出了更客观的结论。
使用完全相同的仿写提示词、同一指定写作风格，分别用一年前的 Gemini 2.5 Pro 与当下主流的 DeepSeek V4 Pro、Claude Sonnet 5、Codex 5.6 Sol、Gemini 3.6 Flash 进行同题测试，最终综合表现排名与大众体感高度吻合。 其中一年前的旧版模型以 9 分位列第一，语气节奏、细节表达、个人化叙事均接近真人水准，也是当年用户投票认可度最高的版本；后续新模型表现依次递减，部分最新模型甚至出现文风偏离、内容空洞、结构生硬的问题。遗憾的是，表现最佳的旧版本已下架，当前市售主流模型均未达到当年的写作精度，证明写作能力的衰退并非单纯的主观错觉。
二、三重因素叠加 写作能力进入下行通道
写作能力退步并非单一原因导致，而是模型对齐逻辑、资源倾斜方向、训练数据生态共同作用的必然结果。
其一，指令微调与 RLHF 加剧风格同质化。经过指令对齐与人类反馈强化训练后，模型输出更规范、安全，但也系统性偏离了人类自然写作的特征：固定套话、模板化句式增多，第一人称表达、个人化叙事减少，不同厂商模型的输出风格趋同，“AI 味” 越来越重，表达多样性大幅下降。
其二，厂商优化优先级转移。头部厂商已公开表示，当前研发资源更多投向推理、代码、Agent 等高价值方向，日常写作的可读性不再是核心优化目标，写作能力自然出现相对退步。
其三，模型坍塌效应逐步显现。随着互联网上 AI 生成内容占比持续升高，训练数据被合成内容污染，递归训练会让模型逐步丢失长尾特征，输出越来越趋同、平庸。这一理论上的必然趋势，正在真实的模型迭代中逐步显现。
三、破局路径有限 同质化难以彻底逆转
针对写作能力衰退，行业也在尝试多种解决方案，但均存在明显局限。
完全采用 2023 年之前的纯人类数据训练，虽能从源头规避合成污染，但会导致模型知识停更，无法适配通用大模型的基础需求；靠后训练优化文风，只能微调表达风格，无法弥补预训练阶段丢失的多样性与长尾特征，甚至可能进一步加剧 “助手感”。
目前头部厂商的主流方案，是严格管控预训练数据质量：囤积高质量人类数据、用检测工具过滤高概率合成内容、仅使用经过验证的合成数据、在后训练阶段针对性削弱模板化表达。这些手段能缓解衰退速度，但无法从根本上逆转趋势 —— 纯 AI 训练 AI 的闭环本身就存在天然的多样性缺陷。
四、创作者的新护城河：真实个体表达不可替代
AI 写作能力的停滞甚至倒退，反而给人类创作者留出了差异化空间。
当所有 AI 输出都趋同、平庸、充满标准化套路时，真实的个人经历、独特的语气语感、鲜活的情绪表达、原生的幽默感，反而成了最稀缺的内容资产。 尤其是幽默、深度共情、个性化洞察这类高阶表达，始终是 AI 的明显短板。人类创作者的个体经验、人生阅历、独特视角，是单一模型永远无法复制的核心竞争力。
与其焦虑 AI 替代，不如打磨属于自己的表达风格 —— 那些带着真实印记、笨拙却鲜活、独属于个人的内容，才是 AI 时代内容创作者最稳固的护城河。
AI 速览
