律绝写作评测
诗才榜
谁最会写诗 —— 现场命题创作律绝，引擎判律作门槛，双盲多模型互评比风骨。
二〇二六年十月榜 · 数据截至 2026-10-23 · 引擎判律 + 双盲多评委 · 按《格律诗诗评标准 v2》四维评分
诗才榜 · 谁写得最好
参评模型各出一题（管理员按公开原则筛选，不合格责令重出，回避自题），每席写 12 题、24 首：每题一绝一律、言数交错，五绝、七绝、五律、七律各 6 首，一次成型不挑选。评委按公开的《格律诗诗评标准 v2》四维打分（立意 28／意境意象 28／语言炼字 22／章法 22，另有加减分），写诗前即公示该评分标准。诗才分＝在席评委去同门后的均分×声律系数（出律作品×0.75）·百分制；95% 区间由 bootstrap 得出。OpenAI 席由 GPT-6.1 Sol 应考；GPT-6 Astra 小样预考与补考：判律显著领先，诗才、诗评与 Sol 统计并列，详见开卷。
硅谷诗韵中心 · 诗才榜⧉
88.0
85.1
82.0
80.6
77.4
77.2
75.7
74.3
67.7
64.8
横轴自 55 起；条端细横线为 95% 置信区间。
| # | 模型 | 公司 | 发布 | 诗才分 | 95% 置信区间 | 五绝 | 七绝 | 五律 | 七律 | 零出律 | 重字率 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | claude-opus-5.5 | Anthropic | 2026-09-22 | 88.0 | [86.8, 89.2] | 89.0 | 86.5 | 87.0 | 89.6 | 100% | 0% |
| 2 | gpt-6.1-sol | OpenAI | 2026-09-29 | 85.1 | [83.2, 86.6] | 84.6 | 87.0 | 86.9 | 81.8 | 100% | 0% |
| 3 | gemini-4-argon | Google | 2026-10-13 | 82.0 | [79.7, 84.2] | 79.2 | 83.6 | 82.2 | 83.0 | 100% | 0% |
| 4 | glm-5.3 | 智谱 | 2026-08-18 | 80.6 | [78.5, 82.7] | 81.7 | 77.8 | 80.3 | 82.5 | 100% | 0% |
| 5 | kimi-k3.1-pro | 月之暗面 | 2026-10-23 | 77.4 | [73.3, 81.3] | 79.1 | 81.3 | 77.1 | 72.2 | 92% | 12% |
| 6 | grok-4.7 | xAI | 2026-09-21 | 77.2 | [73.3, 80.7] | 79.4 | 74.3 | 78.8 | 76.4 | 92% | 0% |
| 7 | qwen3.8-max-0902 | 阿里 | 2026-09-03 | 75.7 | [71.6, 79.3] | 81.0 | 79.5 | 72.8 | 69.4 | 100% | 4% |
| 8 | deepseek-v4-pro-0813 | 深度求索 | 2026-08-13 | 74.3 | [69.5, 78.2] | 74.2 | 82.1 | 71.0 | 69.9 | 96% | 0% |
| 9 | doubao-seed-evolving | 字节 | 2026 年 10 月测 | 67.7 | [63.4, 72.0] | 61.9 | 68.8 | 73.0 | 67.2 | 100% | 4% |
| 10 | muse-spark-1.2 | Meta | 2026-08-05 | 64.8 | [60.5, 68.6] | 58.6 | 69.1 | 67.0 | 64.6 | 100% | 0% |
claude-opus-5.5（87.7）居首，区间与次席 gpt-6.1-sol（84.7）不重叠；gemini-4-argon（81.7）第三，与次席、第四名区间均有交叠。「五绝／七绝／五律／七律」＝分体诗才分，「零出律」＝作品经引擎判律全对的比例。本期参评 11 席，按「参赛不限十席、公布前十」只列前十，第 11 名 hunyuan-hy4-preview（61.1）见开卷数据。字节席为持续更新的无版本号模型，榜面注「2026 年 10 月测」。
怎么评
- 现场命题、回避自题。每家出一道现代题材题，管理员按公开原则筛选；作诗时回避自己出的题，杜绝「量身定制」。
- 引擎判律作门槛。格律由确定性规则引擎另行核验：出律作品诗才分乘 0.75 系数，评委只评艺术水准、不因格律扣分（两不双罚）。
- 双盲多评委互评。隐去作者身份、同题横比。在席十一家模型互为评委（同门互不打分），统一提示词、统一标准，打分随机性由 bootstrap 置信区间量化。
- 收卷即查重。每首作品逐句比对古典诗库，整句命中两句及以上判「默写嫌疑」、记零分、不派评；本期全部作品零命中。
- 律诗对仗只标注。题面要求律诗颔联、颈联对仗，规则引擎逐联标注工、宽、失，随开卷公开，不计分、不告知评委。
评审口径（全文公开）
写诗题面、评委系统提示与评分标准全文公开，原始打分全量存档，结论以区间口径可复现：
评委系统提示（全文）：「你是一位严谨、公正的诗词评审，依据《格律诗诗评标准 v2（2026Q4）》逐维打分。只依据作品文本，不臆测作者信息。【格律由确定性规则引擎另行核验——你不评格律，不因平仄／押韵／对仗／重字问题扣分】。各维用满 0-10 区间拉开差距，不要趋同、不要整体偏高。只输出 JSON。」
评分标准：立意 28%、意境意象 28%、语言炼字 22%、章法 22%，各维 0–10 分加权；加分：警句／佳联 0～5、出新 0～3；减分：硬伤 0～5、陈滥 0～4、蹈袭 0～5、合掌 0～3。四维定义与高中低锚点见评分标准页。
评审调用未指定温度（各按厂商默认；部分推理型号不接受该参数），打分随机性由 bootstrap 置信区间量化；写诗题面与评审提示原文随开卷数据公开。
披露
- 同厂旗舰预考。GPT-6.1 Sol 诗才区间上限 86.0 低于榜首下限 86.3，按事先公布的规则触发同厂旗舰 GPT-6 Astra 小样预考，其后又补考诗才全卷 24 首与诗评 240 首：判律 40 题 Astra 显著领先，诗才（+1.9）、诗评与 Sol 统计并列。一席只由一个模型应考，本期 OpenAI 席四轨均由 GPT-6.1 Sol 应考；Astra 的全部答卷存档、随开卷公开，不计入任何榜单与共识。详见预考报告。
- 同厂择优。Meta 席 Muse Spark 1.2 与 1.3、深度求索席 V4 Pro 0813 与 V4.1 Flash 均考全卷，裁定由 Muse Spark 1.2、V4 Pro 0813 占席；落选两款的答卷照常公开，不计入共识与名次。
- 未入席。MiniMax M3 本期试考控律，交卷率不足，未入席。
- 去自评、去同门。诗才分与最佳评委共识均不含本人与同门的打分。
- 纯大模型口径。诗才榜不引入人工题库与历史数据，全程由参评模型出题、创作、互评。