我试用了那个专为修复AI写作而生的AI模型

原文：I Tried the AI Model Built to Fix AI Writing，作者：Katie Parrott，发表于 2026-08-24

想象一支翻唱乐队，技术上讲它知道历史上写过的每一首歌，但它只有一套编曲。每首歌的旋律都由同一组和弦构成。无论是翻唱《Landslide》还是《Party in the U.S.A.》，吉他手弹的都是同一段solo。到了第四首歌，你已经感到疲惫，而且不止一点愤怒。

这就是阅读未经加工的AI写作的体验。最开始读到的几篇，没有什么是让你警报大作的——只是工整，虽然有点无聊。然后你不断看到同样的套路：三段式排比、“不是X，而是Y”、段落末尾悬挂的短句——它存在的唯一意义就是告诉你，你刚刚读到的内容“很重要”。最终，你不再吸收文字试图传达的信息。

我之前说过，主流实验室在写作上的模型进展似乎已经停滞。也许没有一个模型能同时满足所有人的需求，又或者OpenAI、Anthropic和Google在编码领域有更大、更赚钱的机会。一方面，这倒也说得过去。但作为一个彻底拥抱AI的写作者，我忍不住觉得自己有点被落下了。这让我想起高中时，AP英语论文的截止日期在我写完后又推迟了，因为显然，AP物理考试更重要。

所以当我听说有一个专注于写作的新模型时，我立刻把它排进了Vibe Check的评测名单。

Deft是什么？

Deft是一个新的研究实验室，同时也是一个专注“更好的写作”的模型。实验室由Justin Murphy（前政治学教授，后来转型为写作者和出版人）和一位名叫Rosmine的AI研究员共同创立。它的首个发布版本DFT v1是一个写作模型，使用了实验室自定义的微调方法进行后训练。DFT v1最初于6月发布，上周进入公开测试阶段。

Deft团队对AI写作为何会变成这样有一个理论：LLM有分布问题。这里说的不是文章有没有被读者阅读——它们确实被阅读了，虽然不总是让人愉快。Deft关心的是词语本身的分布：哪些短语反复出现，句子倾向于如何开头和结尾，以及大量输出是否最终坍缩到同样的几个套路。该公司的赌注是：如果你训练一个模型去匹配人类写作在一个文档批次上的分布——而不仅仅是让每个单独回答可被接受——你就能得到更有变化幅度的文章。

驱动Deft方法的核心是“分布微调”（distribution fine-tuning），简称DFT，这是一个在模型学会预测语言之后执行的后训练步骤。传统微调一次只评判一个回答，也就是说，1000个回答可以每一个都通过审查，但聚合起来看，它们却在重复同样的开头和节奏。DFT则是把一批模型输出与一批人类写作样本进行比较，当两者的分布出现差异时就调整模型。

由此产生的模型就是DFT v1。在Deft自己的测试中，它产出的写作分布比同等规模的常规微调更接近人类样本。它的基本主张是：改变后训练方式，就能得到更多样的文风。

目前，这个模型通过Deft的网站和付费API提供。你提供一个提示词，选择希望模型更快、更聪明还是“更像人”，再从四种输出格式中选择一种：新闻文章、分析型文章、SEO文章或公司博客。高级控制选项允许你描述自己的写作风格，或者粘贴一段示例让模型模仿。设置中还有一个选项，可以在“严格”模式和“创意”模式之间选择。严格模式承诺“只使用你提示词中的细节”；创意模式则可以虚构支撑性的具体内容。

Deft写得到底怎么样？

为了测试这个模型，我让Deft写了一篇分析型文章，主题是AI如何影响就业，还写了一篇SEO文章，主题是如何编写AI风格指南。我让它完全从头起草，也让它重写了一份已有的草稿——那份草稿是我用GPT-5.6 Sol为同一个任务生成的。我还同时通过网络控制台和API来使用它。

在句子层面，Deft的文章比我读过的多数AI写作更有变化，也更出人意料。但它也很密集、难以解析，排序欠佳。Deft的网页界面提供了一个阅读分数，它给自己的输出打了11年级阅读水平。【补充：根据国家素养研究所的数据，54%的美国成年人阅读水平在六年级或以下。】那篇SEO文章的开头给了我一些混乱的短语，例如“一组同义词的词汇选择”“伟大例子的例子”“每一篇文章都要记住这些，对每个写作者来说都很多”。这些短语确实不同寻常，但并不清楚。

对于分析型文章，我设置了严格模式，并给它一份包含主要观点和来源的详细简报。Deft在草稿中引入了一个新观点，说工人会被管理者、工会或公司控股股东推向AI平台。这些细节都没有出现在我的简报里。

我想看看Deft在我日常写作环境中会不会表现更好，于是把它的API接入了Codex。我发现这个API的能力相当有限，至少目前如此。API并不会让你访问模型本身，而是让你从另一个平台把任务发送给Deft，让它在Deft系统内部完成后再发送回来。换句话说，你得到的仍然是整块整块的成文，而不是和模型协作决定一篇作品如何成型。

我让Codex整理简报，包括大纲和我的风格规则，然后通过API把这个包裹发送给Deft。前两次尝试返回的是写作指导，而不是文章本身。第三次，我用了Deft的最高质量设置。它写了半篇就停下来，并且编造了来源中没有的日期、对话、产品历史、截图、行为和情绪——尽管我设置的是严格模式。我付了0.49美元，却没有得到任何可用的草稿。

Deft还缺什么

Deft已经证明，它能写出比多数模型更不可预测的文字。但它还没有证明的是，它能写出“更好”的文字。像GPT-5.6 Sol或Sonnet 5这样的模型写出来的内容可能有“AI味”，但到了这一步，那些标志性的特征已经足够可预测，我知道怎么识别，也知道怎么拆解。而DFT v1的文章，编辑工作量也差不多——只是更不清楚该从哪里开始。

这个模型需要更好地把握信息层级、内容排序，以及对读者心智的建模。一篇有力的草稿不只是变换句法。好的写作会引导注意力。它知道什么时候一个术语需要解释，什么时候证据需要背景，以及如何组织信息才能让读者愿意靠近。Deft在做这些决定时，常常像是在句子层面上进行局部决策，对整篇文章没有一个稳定的整体模型。

我还希望能和模型进行迭代。Deft的定位是整篇文档生成，但我的写作过程很少从简报一步跳到成稿。我想和模型反复来回，保留它输出的某些部分，再改写其他部分，并调动我搭建的整套工具，让模型写出更像我的文字。

严格模式也需要名副其实。我需要明确的来源规则、能持续生效的指令，以及一种能区分“模型必须保留的事实”和“模型有权发展的可能性”的方式。Deft已经提供了API。我希望它能嵌入我的复合写作工作流。我应该能说：“把这个论断原样保留、把就业部分上移、只改写过渡段”，而Deft不会返回一篇全新的文章。

更随机，只是一个开始

五年前，研究人员Emily M. Bender、Timnit Gebru、Agnelina McMillan-Major和“Schmargaret Schmitchell”提出了“随机鹦鹉”（stochastic parrot）这个术语来描述LLM——“随机”是因为语言模型基于概率生成文本，“鹦鹉”是因为它们能模仿语言形式，却不知道词语的含义。即使在今天，LLM产出的文本仍然不是建立在交际意图、世界观模型或读者模型的基础上。

Deft介入的，正是这个隐喻中“随机”的那一半。DFT改变了模型在一批输出中会去选择的模式分布，给了这只鹦鹉更广阔的曲目库；结果仍然是概率性的，只是那些模式出现的概率变低了。DFT的文字听起来可能更出人意料，但根据我的实测，仅靠多样性并不能治愈AI写作的积弊。

Deft是一个颇有前景的示范：AI文章的雷同感可以被当作一个训练问题来处理。对于一个仍在实验模型上摸索的全新实验室来说，提取出技术栈中一个可处理的层面，是一个相当不错的开始。我自己还不会在日常工作中使用Deft，但我很好奇这个模型会走向何方，这个实验室接下来要解决什么问题，以及是否会有其他实验室跟进。

披露声明：我们通过Deft的公开网站和付费API进行了测试。Deft没有参与这篇评测的撰写。

核心启示：Deft通过“分布微调”让AI写作的措辞分布更接近人类，但作者实测发现，仅靠风格多样性并不能解决AI写作在信息层级、排序、读者心智和严格遵循来源上的根本问题。