一句话看懂：盲测平台 StudyArena 对 6851 份学生投票的分析显示，在论文写作任务中，Google 的 Gemini 以 39.6% 的盲选率领先 Claude（31.8%）和 ChatGPT/OpenAI（29.2%）。更重要的是，学生偏好更长但推理强度更低的回答，这对大模型在写作场景的产品设计有直接参考意义。
事件核心：发生了什么
StudyArena 发布了一组基于盲测的写作模型对比数据。所谓“盲测”，是指学生在看到回答后、展示模型名称前进行投票，因此排除了品牌偏好和付费习惯的影响。截至 2026 年 8 月的数据，共有 6851 次有效投票被纳入统计。
结果显示，Gemini 系列模型在“大学论文”类任务中以 39.6% 的选择率排名第一；Anthropic 的 Claude 以 31.8% 位居第二；ChatGPT 及 OpenAI 其他模型以 29.2% 排在第三。该榜单涉及的模型包括 GPT-5.6 Sol、Claude Opus 5 和 Gemini 3.1 Pro 等最新版本，并非早期模型。
值得注意的是，胜出的回答平均比落选回答长 37%。在“决胜局”中，最长回答赢了 47.7% 的对比，最短回答仅赢 25.0%。然而，推理强度与胜率呈反向关系：低推理设置的回答胜率为 40.7%，中等为 33.3%，默认设置为 30.8%，高推理设置反而只有 29.5%。更多推理带来了更多限定语和重复，对散文写作并不友好。
为什么重要
这份数据挑战了两个常见假设。第一，“更强推理 = 更好输出”并不适用于所有任务，至少在写作场景中，过高推理设置会让文本变得臃肿。第二，长回答并不等于注水，在论文场景中，学生更倾向于信息密度更高的回答——前提是内容保持具体和清晰。
对模型厂商而言，这可能意味着推理能力需要在产品层做任务级路由，而不是笼统地“拉满”。Google 在写作反馈单项以 41.7% 领先，Claude 在作业规划单项以 43.2% 居首，OpenAI 在研究任务中以 39.3% 领先——各厂商在不同写作子任务上各有所长，这也会影响用户对模型的选择，以及 API 开发者在构建应用时的模型搭配策略。
对用户/开发者/创作者的影响
对普通用户和创作者，建议是：把 Gemini 当编辑器而非代笔。让它定位泛泛而谈的段落、缺失的事实细节和薄弱论点，而不是直接生成全文。同时，写作时优先使用默认或低推理设置，只有处理论证和事实核查时才调高推理强度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者来说，这组数据提示了一个产品设计方向：写作类 AI 应用可以默认设置更低的 effort 参数，并按照任务阶段拆分子模型——用 OpenAI 做论点梳理，用 Claude 做结构规划，用 Gemini 做文本润色。当前官方目录里已经区分了不同模型家族的定位，API 调用时也可以据此做输入分发。
值得关注的后续
首先，这份榜单是动态的，随着更多盲测投票进入，排名和优势幅度可能会发生变化，尤其是在模型版本快速迭代的背景下。其次，Gemini 3.1 Pro 目前在这些任务中领先，但 OpenAI 和 Anthropic 下一代模型是否会在写作任务上缩短差距，仍待观察。最后，该数据目前仅来自学生论文场景，如果扩展到营销文案、技术文档或代码注释等写作子类型，结论是否成立，还需要更多细分测评来验证。
来源：Hacker News
