同样的模型和 Prompt，为什么 Codex 写中文论文明显不如 ChatGPT 网页版？

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：

1. 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；


2. 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；


3. Codex 的安全对齐或 harmlessness 约束可能更强，导致表达更保守、更模板化；


4. ChatGPT 网页版可能对长文本写作、语言润色和对话式需求做了额外优化；


5. 也可能是 Codex 对“润色”这类指令的理解更偏向局部修改，而 ChatGPT 更愿意进行整体重写。

当然，这只是我个人在有限样本中的观察，并不确定真正原因是什么。

大家有没有做过类似的对比？你们在 Codex 中写中文论文、报告或者长文本时，也会感觉输出比 ChatGPT 网页版更生硬吗？

尤其想听听大家对下面几个问题的看法：

• 这种差异主要来自模型本身，还是 system prompt 和产品侧配置？


• harmlessness 或其他对齐策略，真的会明显影响中文写作的自然度吗？


• 有没有什么 Prompt 或配置，可以让 Codex 的中文表达更接近 ChatGPT 网页版？


• 在英文写作中，是否也存在同样的差异？

欢迎贴出自己的案例或对比结果。也想看看这是普遍现象，还是只出现在特定任务和使用方式下。