最近在做一个体量比较大的中文学术写作项目，主力工具一直是 Codex。不过用得越多，越明显感觉到一个问题：Codex 写出来的中文“人味”比较弱。 这种情况在 5.5 和 5.4 模型上都存在。内容通常不能说错，逻辑也基本完整，但读起来容易生硬、机械，句式重复，段落之间的衔接也不够自然。尤其是在论文润色、扩写和重组论述时，模型味会比较明显。 于是我简单做了一个对比实验： 使用同一段论文原文； 输入完全相同的润色任务和 Prompt； 分别在 Codex 和 ChatGPT 网页版中运行； 尽量保持模型版本和其他条件接近。 结果在我的样本里，ChatGPT 网页版的输出明显更加自然，可读性和流畅性也更好；Codex 的版本则更像是在“完成修改指令”，虽然形式上完成了任务，但文字经常缺少自然的语气和节奏。 目前我能想到几种可能： Codex 的 system prompt 更偏向代码、精确执行和少改动，因此不太鼓励主动调整文风； 两个平台虽然使用相近的模型，但推理预算、采样参数、上下文组织方式或后处理流程不同； Codex 的安全对齐或 harmlessness 约束可能更...