AI写作的黄金时代正在崩塌。随着模型一代代更迭，能力越来越强，但文章质量却每况愈下。它知道何时列出建议、何处插入小标题，也知道在结尾加上总结，但通篇读完，却让人记不住任何一句话。
一、模型越强，文字越缺乏灵魂
近期，剑桥大学博士后Adam Hunt也注意到了这一现象。作为演化精神病学与人类演化领域的研究者，Hunt过去一直对AI持乐观态度，但7月28日的一篇长帖中，他却坦言自己正变得越来越悲观。
此前，业界常将模型能力比作一个带尖峰的圆：首先是在代码和数学上超越人类，随后随着规模扩大，各方面能力逐步增长，最终实现通用人工智能。然而现实是，代码和数学那根“刺”确实越来越长，而语言表达和简单推理的能力却并未同步提升。
从强化学习的角度来看，这一现象几乎是必然的。早期几代大语言模型看似“全面变聪明”，是因为训练语料涵盖了全领域，从诗歌到论文应有尽有。但这其实是语料的副产品，并非模型真正的“理解力”。思维链和网页搜索的引入，曾为模型续了一波命。但这条路终究是撞了墙。随后，急于翻盘的AI公司将火力集中在代码上。原因很简单，代码拥有源源不断的训练数据——GitHub上的提交、审查和PR请求全是现成的。此外，与数学类似，代码有明确的反馈信号：能跑通就是好代码。
那写文章呢？如何给“一段散文写得好不好”自动打分？没有奖励，强化学习就不会往那个方向优化。于是，所有的训练火力都转移到了代码上，语言表达只能吃预训练阶段留下的“老本”。老本只会越吃越薄，甚至为了配合其他领域的提升，还会出现退化。这正是古德哈特定律容易显现的地方。当一项指标成为训练目标时，它就不再准确反映真实能力。实验室用基准测试优化模型，再用同类测试证明其变强，榜单上的准确率或许会继续上涨，但实际使用体验却可能停滞，甚至下降。
二、风格模仿能力的限制
在能力退化的同时，另一件事也在发生。一位Reddit用户抱怨称，他使用ChatGPT写了几个月的书，并订阅了高级模型。中间休息了一阵后，当他回来时，那条一直能用的提示词突然返回了拒绝信息。
提示词本身并不复杂：指定一位作家，要求增加对话、丰富细节、避免碎句。过去只要写出作家名字，模型就能生成接近其文风的内容，无需额外解释句长、节奏或视角。而现在，这类提示词已经失效了。
Ars Technica测试了斯蒂芬·金、J.K. 罗琳、谭恩美、狄更斯、海明威，Engadget则测试了阿加莎·克里斯蒂，ChatGPT全都拒绝模仿。如果不点名，只要求“悬念强度”、“叙事节奏”、“对话密度”等抽象特征，倒是可以输出内容。但味道，却已经完全变了。
三、AI写作时代的终结
如今，这场争议已经动摇了用户对AI写作的基本预期。模型未必越写越好，提示词也不再长期有效。平台一旦更改规则，围绕特定模型搭建的整条写作流水线，说塌就塌。
不过，AI写作不会消失，它只是退回到了自己该在的位置：工具。它可以查资料、理结构、改句子，却无法替作者决定写什么、为什么写。换句话说，人的经验、判断和表达欲，正变得越来越珍贵。