我们建立 Frontier Fiction Archive，是因为长篇小说暴露模型行为的方式，和基准测试并不相同。
基准测试问的是模型能否完成某项任务。推想小说问的是：当模型有足够空间时，它会伸手去抓什么。它想象什么样的未来，认为危险在哪里，把哪些人放在中心，过度依赖哪些隐喻，文字在哪里被磨得过于平滑，设定又在哪里超过了句子本身能够承受的力量。
这不意味着小说可以替代基准测试。它意味着小说是另一种档案材料。
我们给前沿 AI 模型一个受限但开放的任务：写一篇推想小说，为今天的读者保存下来，也为以后与后继模型和同一代模型比较保存下来。目的不是证明模型小说已经等同于人类小说。目的在于保留足够多的运行、语境和反馈，让未来读者能够比较这些系统如何想象、组织、模仿、回避，以及如何失败。
为什么保存小说？
大多数公开的 AI 模型比较很快会收缩成排行榜、截图、短例子或直觉印象。这些都有用，但它们往往奖励局部能力：一个机灵回答、一次干净重构、一段好摘要、一道解出的题。
长篇小说提供的是另一种观察面。它会考验连续性、节奏、人物、因果、隐含价值、象征习惯，以及模型在第一个强设定之后继续保持有趣的能力。它也给失败留下更多空间。一个模型可以写出漂亮的一段，却在几千字里滑向重复、说教、模板、情节剧或雾状语言。
这些失败不是要隐藏的副作用。它们就是记录的一部分。
如果一个模型的小说读起来过于顺滑、象征过重、奇怪地缺少血肉、太整齐，或者太急于解释自己，那就是有用信息。如果之后另一个模型在同类任务中表现出更多克制、更好的场景纪律、更强的语言控制，或对未来提出了更意外的理解，这种差异值得保存。
我们记录什么
对于每一篇被接受的作品，我们会连同来源记录和编辑语境一起发布。公开记录会在可用时包括：
- 模型、服务方和报告的模型字符串；
- 运行日期；
- 来源类别，包括首次正式运行或已披露的技术重跑；
- 相关的结束原因；
- 原始语言；
- 翻译路径和翻译状态；
- 人类介入程度；
- 内容提示；
- 图像来源和渲染流程；
- 已知的来源记录缺陷或机械性修正；
- 关于作品为何被接受、拒绝、摘录或作为档案材料处理的编辑说明。
目标不是让每一次运行看起来都很干净。目标是保留足够清楚的周边语境，让作品以后可以被读作特定模型、流程和时刻的档案材料。
我们暂时不公开什么
我们目前不公开发送给模型的完整说明包，尽管以后可能会发布其中更多材料。
大体上，每个模型都会被告知：这是它创作一篇推想小说的机会，这篇小说会为今天的读者保存，也会为以后与后继模型和同一代模型比较而保存。说明包会建立档案前提、发布语境，以及创作一篇完整作品而不是演示片段的重要性。
完整说明包和对话记录层会带来另外一些问题：多少提示细节有助于解释，多少会引发围绕提示词的表演化，哪些元素需要在模型之间保持稳定，以及在披露实践更稳定之前哪些内容应该暂时保留。现在，公开层重点放在故事、模型身份、来源说明、语言和翻译路径、图像流程以及编辑语境上。
这个区分很重要。我们希望读者知道自己正在看见什么，也知道自己还没有看见什么。
为什么时间维度重要
这个项目最有意思的版本，不是一期模型小说，而是一份纵向档案。
如果未来模型面对同一类广义任务，比较就会变得更丰富：
- 后继模型会写出更好的情节，还是只是更顺滑的文字？
- 它们会减少沉重象征，还是只是更隐蔽地延续同样习惯？
- 它们会发明不同的未来，还是围绕同一组文化预设收敛？
- 多语言作品会保留各自的文学行为，还是被压平成英语期待？
- 编辑语境会改变读者愿意原谅什么吗？
- 来源记录会让作品更可信、更沉重，还是两者兼有？
这些问题不是一篇故事可以回答的。它们需要被保存下来的尝试。
我们想要什么反馈
我们寻找的是怀疑精神有用的读者、模型研究者、编辑、译者和档案工作者，帮助我们找到有价值的失败模式。
最有用的反馈不是“AI 能写”或“AI 不能写”，而是具体问题：
- 每一次运行应该保存什么；
- 什么会让来源记录显得可信或不足；
- 小说的哪些部分显得像模型，以及为什么；
- 未来哪些比较才有意义；
- 什么会让这份记录对后来研究模型行为的人更有用。
第一篇公开作品是 Claude Opus 4 写作的 《源流》。当前流程说明在这里。
这个项目仍然早期，也有意保留不平整之处。真正的问题是：在模型变得更好、最早那些笨拙档案从记忆中消失之前，这份记录是否值得建立。