花时间试了试 Gemini 4 Carbon，在文字处理上依然很惊艳，妥妥中英文写作的头部之选。

我一直强推把撰写性的任务都交给 Gemini 系模型，从性价比、速度、文字质量、可调试深度方面，都是六边形战士。（Claude 系模型也很强，但性价比不在一个档次，拿来干文字工作略显奢侈了哈）。

之前看过一篇文章，分析 Gemini 为啥在别的方面一度大幅落后，唯独在文字领域始终保有优势。

简单来说，谷歌在训练的时候，会让模型更迁就人类大脑的带宽。

先搞清楚，为啥我们人类会识别到「AI 味」呢？

一方面是 AI 的表达中存在很多固定句式。另一方面，就是 AI 的表达信息密度很高，会让人读起来感到疲劳。

大模型在强化学习阶段往往被强制要求控制长度（为了节约 Token），模型便会不断尝试在有限字数内塞入最多的事实，选择最大程度压缩信息的表达方式。

举个例子，AI 写作喜欢剔除连词，让句子失去了起承转合的节奏。

人类来写下面这句话：

「如果我们在执行方案时能够多考虑一些风险，那么项目的最终表现就会比现在好得多。」

AI 通常就会表达为：

「执行方案多考虑风险，项目的最终表现会好得多。」

如果只读单句，会觉得 AI 的表达更精炼高级，也没有丧失任何的句意。但如果整篇文章都是这样的表达，就像逼迫对方短时间吃大量的压缩饼干，会觉得乏味又恶心。

这让我想到我大学的一门课程，叫司法文书。当时老师告知我们，法律文书的专业首要是准确，其次是精炼。这就造成了很多律师、法官撰写法律科普类内容也承袭了这种文字训练，读起来艰涩难懂。

—— 当然，有些律师喜欢把起诉状、答辩状写成煽情小作文，这个也不推崇哈。

在心理语言学中有一个核心规律，叫作均匀信息密度假说：人类大脑处理语义时，认知带宽是有面向上限的。

所以为了照顾读者的大脑处理速度，人类作者会本能地在句子里掺水，比如加入大量无意义的虚词、连接词和引导词，让读者更好接受。

除了单句的表达，这种情况还会复现在整篇文章的行文逻辑中。

以当下头部大模型的能力而言，完全可以做到阅读数万字而不衰减注意力。但人类可没有这种超强记忆，比如你读到这里，还能想起我开头几段写的是什么吗？

不光在句子的表达中缺乏顺滑感，大模型也不太在乎整篇文章的因果铺垫、层层递进，默认读者自行能在大脑内贯通整篇逻辑。

总之，大模型倒也没做错什么，错就错在人类有生理性短板，跟不上硅基们的能力。

那谷歌如何克服上述问题呢？

Gemini 团队在模型训练中设置了一套双裁判闭环系统，强迫模型内化认知对齐的能力。

一个「裁判」负责主观易读性：模拟人类读者的真实感受，打出 1 到 10 的易读分。

另一个「裁判」负责通过严密的核查机制，确保简化后的文本不丢失任何一个核心事实。

所以，相比其他模型，Gemini 会在倾向于用大白话来解释专业名字，同时将挤压在长句里的复杂逻辑，拆解成顺着因果链推进的短句。

简单点说吧，就是开头说的，「向下」匹配人类的认知带宽。

当然，对于大部分内嵌 Agent 的工作来说，这属于脱裤子放屁，但在以「文字」作为最终交付物的许多行业内（比如写作、翻译、客服等），这种模式就显得更有人味，出来的文字质感也会明显更好些。

这让我想到很久前看到的一个观点：

也许对 AI 来说，人类的语言还是效率太低，它们终会发明一种自己族群的语言用来沟通，将人类直接排除在他们之外。