ลีดเดอร์บอร์ดอารีน่าการเขียนเชิงสร้างสรรค์ AI — กุมภาพันธ์ 2026

ลีดเดอร์บอร์ดการเขียนเชิงสร้างสรรค์

โค้ดมีไวยากรณ์ คณิตศาสตร์มีการพิสูจน์ แต่การเขียนเชิงสร้างสรรค์มี น้ำเสียง—จังหวะ ความประหลาดใจ การสะท้อนทางอารมณ์ นี่คือ อารีน่าการเขียนเชิงสร้างสรรค์ เกณฑ์มาตรฐานที่ต้องการมากที่สุดในการประเมิน AI ที่ซึ่งหกสิบโมเดลถูกจัดอันดับตามความสามารถในการเล่าเรื่องที่ขับเคลื่อนผู้คนจริงๆ นี่คือสถานะของทุกสิ่ง ณ เดือนกุมภาพันธ์ 2026

ความเปลี่ยนแปลงเดือนกุมภาพันธ์

เมื่อฉันดึงข้อมูลล่าสุด รายการหนึ่งทำให้ฉันต้องหยุด: Claude Opus 4.6 นั่งอยู่ที่อันดับสอง ไม่ใช่เพราะโมเดลของ Anthropic ที่ได้อันดับสูงนั้นเป็นเรื่องผิดปกติ—พวกเขาทำเช่นนั้นอย่างสม่ำเสมอ แต่เพราะโมเดลนี้ลงจอดในตำแหน่งที่สองโดยแทบไม่มีประวัติการประเมินอยู่เบื้องหลังเลย การเห็นพ้องต้องกันแต่เนิ่นๆ แบบนั้นหายาก มันหมายความว่าคลื่นลูกแรกของผู้ทดสอบ—พวกหมกมุ่นที่รันคำสั่งเหมือนกันผ่านทุกรุ่นใหม่ภายในไม่กี่ชั่วโมงหลังเปิดตัว—พบสิ่งที่แตกต่างอย่างแท้จริงในผลลัพธ์เชิงสร้างสรรค์ของมัน

อย่างไรก็ตาม เรื่องราวที่แท้จริงคือช่องว่าง ในเดือนมกราคม ระยะห่างระหว่างที่หนึ่งและที่สองคือยี่สิบห้าคะแนนที่สบายๆ ตอนนี้คือสิบสอง Gemini 3 Pro ยังคงถือทอง และได้รับตำแหน่งนั้นอย่างตรงไปตรงมา แต่ผู้นำลดลงครึ่งหนึ่งในรอบการอัปเดตเดียว หากคุณคือ Google แนวโน้มนั้นต้องการความสนใจ หากคุณคือ Anthropic นั่นเป็นการยืนยันว่าแนวทางของคุณในการฝึก AI เชิงสร้างสรรค์กำลังบรรจบกันที่สิ่งที่ทรงพลัง

ในขณะเดียวกัน โมเดลที่อยู่ต่ำกว่าสองอันดับแรกก็ได้สับเปลี่ยนอย่างมีนัยสำคัญ ตัวแปร "thinking" ของ Claude Opus 4.5 ขยับขึ้นมาเป็นที่สาม ผลัก Opus 4.5 มาตรฐานไปที่สี่และ Gemini 3 Flash ลงมาที่ห้า Flash ถือที่สามเมื่อเดือนที่แล้ว แท่นรางวัลไม่ได้เปลี่ยนมือแค่ที่ยอดเขา—มันไม่เสถียรไปทั่ว และความไม่เสถียร ในประสบการณ์ของฉัน นำมาซึ่งความก้าวหน้า

จุดสูงสุดที่ครอบงำ

Gemini 3 Pro ยังคงเป็นโมเดลที่ฉันเอื้อมหาเมื่อฉันยังไม่รู้ว่าฉันต้องการอะไร สิ่งที่ทำให้มันอยู่ที่อันดับหนึ่งคือช่วง: ขอสไตล์ Hemingway และมันส่งมอบร้อยแก้วที่ประหยัดและแข็งแกร่ง ขอนิยายโพสต์โมเดิร์นทดลองและมันเปลี่ยนระดับโดยไม่สูญเสียความต่อเนื่อง จดหมายเหตุวิคตอเรียน, นัวร์ฮาร์ดบอยล์, สัจนิยมมหัศจรรย์, วรรณกรรมเด็ก—Gemini จัดการการเปลี่ยนผ่านเหล่านี้ในวิธีที่บ่งบอกถึงความเข้าใจในรูปแบบที่แท้จริง ไม่ใช่การเลียนแบบผิวเผิน Google วาง หกโมเดล ในหกสิบอันดับแรก โดยมี Gemini 3 Flash ที่ห้าและ Gemini 2.5 Pro ที่หก เติมเต็มสามประสานที่แข็งแกร่งที่ด้านบน

Claude เป็นสัตว์ที่แตกต่างไปจากเดิมอย่างสิ้นเชิง หาก Gemini คือช่วง Claude คือความลึก โมเดลของ Anthropic มักจะยอดเยี่ยมในความละเอียดอ่อนที่ยากที่สุดที่จะสอนเครื่องจักร: เมื่อใดควรปล่อยให้ความเงียบดำเนินฉาก เมื่อใดประโยคควรแตกแทนที่จะดำเนินต่อ เมื่อใดสิ่งที่ตัวละคร ไม่ พูดเปิดเผยมากกว่าสิ่งที่พวกเขาทำ Opus 4.6 ผลักดันสิ่งนี้ไปไกลกว่าเดิม ในการทดสอบของฉัน มันสร้างบทสนทนาที่รู้สึกว่ามีคนอยู่จริงๆ ตัวละครไม่ได้ส่งบท—พวกเขากำลังคิด ลังเล เลือกคำในแบบที่คนจริงๆ ทำเมื่อมีสิ่งสำคัญแขวนอยู่บนเส้นด้าย Anthropic ตอนนี้มี สิบสามโมเดล ในหกสิบอันดับแรก มากกว่าองค์กรอื่นใด โดยมีห้าโมเดลอยู่ในสิบเอ็ดอันดับแรก ไม่ว่าแนวทางของพวกเขาในการฝึกความสามารถเชิงสร้างสรรค์จะเป็นอย่างไร มันกำลังทำงานทั่วทั้งสายผลิตภัณฑ์ของพวกเขา

สำหรับโมเดล Claude Opus ตัวแปรที่คิดมักจะอยู่ในอันดับที่สูงกว่าเล็กน้อย: Opus 4.5 Thinking ที่สามเทียบกับมาตรฐานที่สี่ Opus 4.1 Thinking ที่เก้าเทียบกับมาตรฐานที่สิบเอ็ด Grok 4.1 Thinking ทำได้ดีกว่าตัวแปรมาตรฐานสามอันดับ แต่พลิกไปที่สถาปัตยกรรมอื่นและรูปแบบจะกลับกัน—บางครั้งอย่างมาก DeepSeek v3.2-exp มาตรฐานนั่งอยู่ที่ยี่สิบแปดในขณะที่ตัวแปรการคิดตกลงไปที่สี่สิบสอง DeepSeek v3.1-terminus มาตรฐานอยู่ที่ยี่สิบสอง; คู่หูการคิดตกลงไปที่ห้าสิบแปด—ช่องว่างสามสิบหกอันดับ GPT-5.2 มาตรฐานชนะ GPT-5.2-high

สิ่งที่บอกฉันคือสิ่งสำคัญ: การเขียนเชิงสร้างสรรค์ไม่ใช่ปัญหาของการใช้เหตุผลเป็นหลัก มันเป็นปัญหาทางสุนทรียศาสตร์ สำหรับโมเดลที่มีสัญชาตญาณทางวรรณกรรมที่แข็งแกร่งอยู่แล้ว การคิดแบบขยายสามารถขัดเกลาสัญชาตญาณเหล่านั้นได้—เหมือนบรรณาธิการที่ระมัดระวังตรวจสอบร่างแรกที่มั่นคง แต่สำหรับโมเดลที่ความแข็งแกร่งเชิงสร้างสรรค์นั้นเป็นสัญชาตญาณและขับเคลื่อนด้วยรูปแบบมากกว่า การบังคับให้ไตร่ตรองจะขัดเกลาขอบที่หยาบซึ่งทำให้ร้อยแก้วรู้สึกมีชีวิตชีวา บางครั้งการตอบสนองครั้งแรกจับบางสิ่งที่การคำนวณเพิ่มเติมทำให้ราบรื่นจนกลายเป็นความธรรมดา หากคุณใช้โมเดลที่เปิดใช้งานการคิดสำหรับงานสร้างสรรค์ ให้ทดสอบทั้งสองโหมด สมมติฐานที่ว่าการใช้เหตุผลมากขึ้นเท่ากับผลลัพธ์ที่ดีกว่านั้นใช้ไม่ได้ที่นี่ และการเข้าใจว่าเมื่อใดควร ปิด การคิดอาจมีค่ามากกว่าการรู้ว่าเมื่อใดควรเปิด

กระแสน้ำที่เพิ่มขึ้น

ต่ำกว่าระดับบนสุด เรื่องราวคือการแพร่ขยายและความหลากหลาย—และเผลอๆ อาจสำคัญกว่าการแข่งขันเพื่อชิงที่หนึ่ง

DeepSeek วาง สิบโมเดล ในหกสิบอันดับแรก ทำให้เป็นองค์กรที่มีตัวแทนมากเป็นอันดับสามรองจาก Anthropic และ OpenAI ตัวแปร v3.1 และ v3.2 ของพวกเขาครอบคลุมตั้งแต่ยี่สิบสองถึงห้าสิบแปด ครอบคลุมระดับความสามารถเชิงสร้างสรรค์ที่หลากหลาย ในฐานะโครงการน้ำหนักเปิด DeepSeek เป็นตัวแทนของสิ่งที่แตกต่างไปจากผู้นำที่เป็นกรรมสิทธิ์อย่างสิ้นเชิง: โมเดลเหล่านี้สามารถดาวน์โหลด โฮสต์ในเครื่อง และปรับแต่ง (fine-tuned) สำหรับงานสร้างสรรค์เฉพาะได้ หากคุณกำลังสร้างเครื่องมือเขียน AI หรือรวมความสามารถเชิงสร้างสรรค์เข้ากับท่อส่งผลิตภัณฑ์ DeepSeek มอบความยืดหยุ่นที่โมเดลเฉพาะ API ไม่สามารถเทียบได้

ภาพที่กว้างขึ้นนั้นโดดเด่นยิ่งกว่า ระหว่าง DeepSeek, Baidu, Moonshot, Alibaba, Z.ai และ Tencent ห้องปฏิบัติการ AI ของจีนตอนนี้คิดเป็น ยี่สิบสองจากหกสิบโมเดลที่ได้รับการจัดอันดับ—มากกว่าหนึ่งในสามของลีดเดอร์บอร์ดทั้งหมด Kimi K2.5 ของ Moonshot เปิดตัวด้วยตัวแปรการคิดที่ยี่สิบเอ็ด นำบริษัทไปสู่สามตำแหน่ง Baidu ถือสามตำแหน่งด้วยกลุ่มผลิตภัณฑ์ ERNIE 5.0 Qwen3 ของ Alibaba มีสามตัวแปรที่ได้รับการจัดอันดับ GLM-4.7 ของ Z.ai นั่งอยู่ที่ยี่สิบเจ็ด นี่ไม่ใช่การบรรจบกัน—มันคือความหลากหลายที่แท้จริง ข้อมูลการฝึกอบรมที่แตกต่างกัน บริบททางวัฒนธรรมที่แตกต่างกัน และประเพณีวรรณกรรมที่แตกต่างกันผลิตโมเดลที่มีความรู้สึกเชิงสร้างสรรค์ที่แตกต่างกัน ฉันเคยเห็น ERNIE สร้างคำอุปมาที่จะไม่เกิดขึ้นกับโมเดลที่ฝึกฝนในตะวันตก และ GLM จัดการจังหวะการเล่าเรื่องในวิธีที่รู้สึกสดใหม่แม่นยำเพราะ DNA ทางวรรณกรรมนั้นแตกต่างกัน ระบบนิเวศ AI เชิงสร้างสรรค์ระดับโลกนั้นสมบูรณ์ยิ่งขึ้นสำหรับสิ่งนี้

OpenAI ถือ สิบเอ็ดโมเดล แม้ว่าเรื่องราวเชิงสร้างสรรค์ของพวกเขาจะมีโครงเรื่องย่อยที่น่าสนใจ GPT-4.5-preview ที่สิบสองนั่งอยู่หน้าทั้ง GPT-5.1-high ที่สิบสี่และ GPT-5.1 มาตรฐานที่ยี่สิบสาม บางครั้งโมเดลที่ปรับให้เหมาะสมสำหรับความแตกต่างเล็กน้อยก็ทำได้ดีกว่าผู้สืบทอดที่เหนือกว่าทางเทคนิคในงานที่ให้รางวัลความละเอียดอ่อนมากกว่าความสามารถดิบ ChatGPT-4o-latest ที่สิบเจ็ดตอกย้ำจุดนี้: โมเดลที่ปรับให้เหมาะสมสำหรับการสนทนามีความได้เปรียบโดยธรรมชาติในการเขียนเชิงสร้างสรรค์เพราะการเล่าเรื่องโดยพื้นฐานแล้วเป็นการสนทนา คุณไม่ได้คำนวณคำตอบ—คุณกำลังรักษาน้ำเสียง

Grok ได้แกะสลักตัวตนเชิงสร้างสรรค์ที่แท้จริงด้วย เจ็ดโมเดล ที่ได้รับการจัดอันดับ ในที่ที่ Claude เป็นเลิศในความฉลาดทางอารมณ์ Grok นำความซื่อสัตย์ทางอารมณ์มาให้ อารมณ์ขันคมคายขึ้น คำอุปมาที่กล้าหาญขึ้น ตัวละครที่ขัดเกลาน้อยลงและมีชีวิตชีวามากขึ้น เมื่อฉันต้องการงานเขียนที่เสี่ยง—นิยายที่อาจทำให้ผู้อ่านรู้สึกไม่สบายใจในทางที่มีประสิทธิผล—Grok คือที่ที่ฉันเริ่มต้น มันเป็นโมเดลที่กลัวเสียงของตัวเองน้อยที่สุด และในการเขียนเชิงสร้างสรรค์ ความไม่เกรงกลัวมีความสำคัญ medium-2508 ของ Mistral ที่ห้าสิบหกแสดงถึงการมีอยู่ของยุโรปบนกระดาน Hunyuan ของ Tencent ที่ห้าสิบสามเพิ่มอีกหนึ่งเสียงจากจีน สนามไม่เคยเปิดกว้างเท่านี้มาก่อน

เรื่องนี้จะไปทางไหน

ฉันจะบอกคุณว่าฉันคิดว่าจะเกิดอะไรขึ้นต่อไป เพราะแนวโน้มในข้อมูลนี้ชี้ไปที่จุดเฉพาะเจาะจง

ช่องว่างยังคงบีบอัดต่อไป การแพร่กระจายระหว่างที่หนึ่งและที่หกสิบคือประมาณ 7.4 เปอร์เซ็นต์—แน่นตามมาตรฐานประวัติศาสตร์ และแคบลงด้วยการอัปเดตทุกครั้ง เรากำลังเข้าใกล้ธรณีประตูที่ความแตกต่างที่มีความหมายระหว่างโมเดลเปลี่ยนจากคุณภาพดิบเป็นบุคลิกภาพเชิงสร้างสรรค์ คำถามหยุดเป็น "โมเดลไหนเขียนดีที่สุด" และกลายเป็น "เสียงของโมเดลไหนเหมาะกับโปรเจ็กต์นี้โดยเฉพาะ" นั่นคือการเปลี่ยนแปลงพื้นฐานในวิธีที่นักเขียนและทีมสร้างสรรค์ควรคิดเกี่ยวกับการเลือก AI

โมเดลสร้างสรรค์เฉพาะทางเป็นสิ่งที่หลีกเลี่ยงไม่ได้ สถาปัตยกรรมอเนกประสงค์ได้ผลักดันคุณภาพการเขียนเชิงสร้างสรรค์ไปไกลอย่างน่าทึ่ง แต่การก้าวกระโดดที่แท้จริงครั้งต่อไปจะมาจากโมเดลที่ปรับแต่งอย่างชัดเจนสำหรับโครงสร้างการเล่าเรื่อง ความสม่ำเสมอของตัวละคร ความถูกต้องของบทสนทนา หรือรูปแบบกวีนิพนธ์ ฉันคาดหวังว่าห้องปฏิบัติการหลักอย่างน้อยหนึ่งแห่งจะจัดส่งโมเดลผู้เชี่ยวชาญด้านความคิดสร้างสรรค์ภายในครึ่งหลังของปีนี้—โมเดลที่มุ่งมั่นอย่างเต็มที่ต่อความสามารถทางวรรณกรรมแทนที่จะพยายามแก้คณิตศาสตร์ เขียนโค้ด และเล่าเรื่องพร้อมกัน เมื่อสิ่งนั้นเกิดขึ้น มันจะรีเซ็ตด้านบนของลีดเดอร์บอร์ดนี้ในชั่วข้ามคืน

โมเดลน้ำหนักเปิดจะปิดช่องว่างที่เหลือ การมีอยู่สิบโมเดลของ DeepSeek เป็นตัวบ่งชี้ชั้นนำ เมื่อทางเลือกแบบเปิดเข้าใกล้ความเท่าเทียมกับระบบที่เป็นกรรมสิทธิ์ในเกณฑ์มาตรฐานเชิงสร้างสรรค์ เศรษฐศาสตร์ของการเขียนด้วยความช่วยเหลือของ AI ก็เปลี่ยนไปอย่างมาก นักเขียน สตูดิโอ และสำนักพิมพ์ได้รับสิทธิ์เข้าถึง AI เชิงสร้างสรรค์ระดับแนวหน้าโดยไม่มีราคาต่อโทเค็น เปลี่ยนเส้นทางการยอมรับและความสัมพันธ์พื้นฐานระหว่างนักเขียนมนุษย์และเครื่องมือ AI

พรมแดนที่แท้จริงคือการประสานงาน ไม่ใช่การแยกตัว งานสร้างสรรค์ที่ซับซ้อนที่สุดที่ฉันเห็นเมื่อเร็วๆ นี้ไม่ได้ใช้โมเดลเดียว—มันใช้สามหรือสี่ตามลำดับ Gemini สำหรับความคิดเริ่มต้นและการสำรวจสไตล์ Claude สำหรับการปรับแต่งอารมณ์และการขัดเกลาบทสนทนา DeepSeek หรือ Qwen สำหรับมุมมองทางวัฒนธรรมทางเลือก Grok เมื่อร่างต้องการความคมคาย อนาคตไม่ได้เกี่ยวกับการสวมมงกุฎให้โมเดลหนึ่งเป็นราชา มันเกี่ยวกับการเรียนรู้ที่จะควบคุมวงดนตรี จับคู่บุคลิกภาพเชิงสร้างสรรค์ของแต่ละโมเดลกับช่วงเวลาที่เหมาะสมในกระบวนการเขียน นักเขียนที่คิดออกก่อนจะผลิตผลงานที่รู้สึกแตกต่างจากสิ่งใดๆ ที่โมเดลเดียว—หรือมนุษย์คนเดียว—จะสามารถทำได้ตามลำพัง

การเลือกคู่หูเชิงสร้างสรรค์ของคุณ

หลังจากหลายปีของการเขียนเคียงข้างโมเดลเหล่านี้ นี่คือสิ่งที่ฉันได้เรียนรู้เกี่ยวกับการจับคู่เครื่องมือที่เหมาะสมกับงานที่เหมาะสม: