六大AI模型剧本撞车：面馆与老卤背后的“AI味”同质化
2026/10/27 14:10阅读量 3
近期测试显示，六款主流AI大模型在撰写短剧剧本时呈现出高度的情节同质化。尽管模型各异，但生成的故事均围绕面馆、包子铺等市井场景，并频繁出现良心、规矩及30年老卤等相似元素。这种集体性的创意趋同现象，揭示了当前AI生成内容在叙事逻辑和素材选择上的局限性，被业界形象地称为“烧心体”或“AI味”。
事件概述
一项针对AI写作能力的测试揭示了一个显著现象：当指令要求不同的大语言模型创作短剧剧本时，它们产出的内容在核心设定和关键元素上表现出惊人的重合度。这一现象引发了对AI创意生成能力边界及其潜在同质化风险的讨论。
核心信息
- 测试对象：涉及6款主流AI大模型。
- 产出结果：共计生成30个剧本，但情节结构高度相似。
- 共性元素：
- 场景集中：绝大多数故事背景设定在面馆、包子铺或卤味店等传统市井餐饮场所。
- 主题雷同：剧情核心多围绕“良心”、“规矩”展开。
- 细节重复：“慢炖”工艺和“30年老卤”等具体细节在多个模型的输出中高频出现。
值得关注
- “烧心体”现象：业内将这种由AI生成的、具有特定套路和固定元素的故事风格戏称为“烧心体”，意指其味道统一且带有明显的算法痕迹（即“AI味”）。
- 创意瓶颈：该案例表明，尽管AI在处理文本流畅度和基础逻辑上表现优异，但在突破固有数据分布、实现真正的差异化创新方面仍存在局限。模型倾向于从训练数据中提取高概率的组合进行重组，导致输出结果趋于保守和雷同。
- 行业启示：对于依赖AI进行内容生产的行业而言，需警惕此类同质化风险，可能需要通过更精细的提示词工程（Prompt Engineering）或人工干预来打破模型的默认路径依赖。