写匠大模型入驻活水模型：校对「忍得住」，排版「编得过」

给一个大模型一句话让它校对，它几乎总能改点什么——哪怕这句话本来就没错。

活水 AI 实验室实测四个主流旗舰，在本来就没有错的句子上，43% 到 50% 会被动手改。

写作场景里，这两类错误的代价并不相等。漏检只是没帮上忙，那句作家本来也要自己再看一遍；误杀是帮了倒忙，要么被发现、再改回来，要么没被发现，错就留在书里。

写匠系列的两个 4B 模型——中文校对与 Typst 排版——现已可在活水模型一键下载。

校对：难的是忍得住

写匠中文校对大模型把误杀率当作与主分并列的一等指标来优化。在活水 AI 实验室自建的 CheckBench 中文校对基准上：

模型	参数量	净收益 ↑	误杀率 ↓	纠错得分
写匠 V1 校对	4B	30.6	19.92%	50.53
DeepSeek-V4.1-Flash	—	14.0	45.3%	59.34
qwen3.8-flash	—	12.4	43.4%	55.83
GLM-5.2	—	6.6	50.4%	56.99

净收益把两列合成一个数：纠错得分减去误杀率乘一百。这里取的系数对本模型最不利——等于说改错一次恰好抵消改对一次——即便如此它仍领先第二名 16.6 分。

要说清楚的是，CheckBench 是活水自建的基准，不是第三方公开榜单。这组数字该怎么看，读者心里有数就好。

实际跑一下。输入「并做出了相映的调整」，它给出「并做出了相应的调整」。再输入一句本来就没错的话——「写作这件事，说到底是把想清楚的东西一句一句落到纸上。」——它逐字原样返回，一个标点都没动。

排版：编译不过的排版，结构再漂亮也等于零

写匠 Typst 排版大模型把排版意图写成可编译的 Typst 源码，覆盖图书与学术论文两类场景。

排版这件事有个与众不同的性质：编译不过，结构再漂亮也等于零。所以训练时把 render 率——能不能成功编译——当作首要指标，而不是只看版面评分。

在公开基准 StructEval-Typst 上：

排名	模型	规模	总分	render ↑
1	Kimi-k2.7-code	—	78.99	92%
2	写匠 V1 排版	4B	76.12	94%
3	DeepSeek-V4.1-Flash	—	75.57	84%
7	Qwen3.5-397B	397B	57.37	62%
8	Qwen3-4B（同基座·未经训练）	4B	9.94	0%

两行值得单看。render 率 94%，高于所有受测旗舰。而同一个基座未经训练时 render 率是 0%，一份都编译不出——从 0 到 94%，是训练换来的。

口径也说清楚：版面评分用开源多模态模型近似（官方口径用 GPT-4o 系），render 与关键词完全复刻官方逻辑；表中部分行取自不同批次的对位测试，两批外部模型的调用协议不完全一致，并列时请留意。

桌面新增「写作」页

这一版活水模型桌面端多了「写作」一格。页内可以在中文校对和 Typst 排版之间切换，切一下就换模型，贴一段文字、点「开始」、拿走结果。

这一页刻意只做单次、就地的活。成篇成书的写作流程仍归写匠应用，页面底下那行字会指路过去。活水模型是引擎层，写匠是应用层，两个产品不做同一件事。

两件先说清楚的事

这是预览版。 两个模型都是 V1 预览版，尚未定版，正式版将在写匠新品发布会后发布。排版模型当前的指令遵循还不到位——比如你给定的标题，它有时会自己改写一个。

许可和库里其他模型不一样。 写匠系列用的是《写匠系列大模型许可协议 1.0》：学术研究与个人使用免费，含微调与衍生；商业用途需书面授权，专利保留。活水模型里其余的开源模型多是 Apache-2.0 或 MIT，这两个不是，按用途确认一下。

怎么拿

打开活水模型桌面版，模型库里点「写作」。校对模型有 4.3GB 和 2.9GB 两档，普通笔记本都跑得动。装完在「能力 → 写作」里直接用，全程断网可用，稿件不出本机。

---

活水 AI 实验室（42ailab） — 探索智能边界的 AI 创新实验室，以认知科学为基石，推动 AI 与人类智能的深度融合，真正理解并增强智能 —— 碳基的，也是硅基的。

活水模型（42model） — 由活水 AI 实验室出品的高性能本地 AI 大模型推理引擎，让翻译、转写、识别、对话、编程等 AI 能力在你的本机免费私密运行；并可借云端算力微调专属模型，回传本机运行。