GPT-5.6 对 Kimi：同一张考卷上的两种性格
GPT-5.6 Terra 和 Kimi K2.6 在两场双盲横评里各连续续写 40 轮的完整对照：Terra 是纹理模仿天花板、宫斗场全程零事故，但玄幻场第 18 到 20 轮把剧情倒回起点、复用自己第 2 轮的句子；Kimi 玄幻场第 7、比喻密度全场最高，宫斗场却是唯一越写越好的系统。文末如实交代时效边界：7 月 16 日上线的 Kimi K3 没进过考场，不编排名。
先看两个瞬间。玄幻场第 18 轮，GPT-5.6 Terra 把写了十七轮的剧情整体倒回续写起点， 开始重演第一章，句子还是自己第 2 轮用过的；而此前十七轮，它是两个盲评审公认全场最贴近原著的仿写者。 另一边，宫斗场第 1 轮，Kimi K2.6 开局是一嗓子网文暴怒腔，和《甄嬛传》的典雅语体完全不搭； 写到后段，它成了九个系统里唯一被评审记下「越写越收敛」的那个。
短答案：写宫斗古言这类讲究措辞的书，选 GPT-5.6 Terra，第一梯队稳；写快节奏玄幻，两个都不是首选， Terra 名次更高但隐患在尾段，Kimi 排第七、病在比喻和自我复制。数据来自我们两场双盲横评， 这两个模型各自连续续写了 40 轮。下面把它们当成两种性格拆开讲。
两张榜上，它们各自站在哪？
玄幻场是一本 890 万字的传统玄幻，九个模型同书同起点同提示；宫斗场是《后宫·甄嬛传》，同样九个模型。 每个模型从固定位置连续续写 20 轮，每轮产物拼回上下文再写下一轮；产物匿名成随机字母、做两套映射， 交给两个互不知情的评审独立排名。名次区间照录评审分歧，不做人为收窄。
| 考场 | GPT-5.6 Terra | Kimi K2.6 |
|---|---|---|
| 传统玄幻（890 万字） | 2-4（名次取决于崩盘惩罚权重） | 7（两套映射完全一致） |
| 宫斗古言（甄嬛传） | 1-3（全程零事故） | 5-7（唯一显著逆向改善） |
完整九模型名次、评语全文和方法细节在玄幻横评与《甄嬛传》横评两篇里，本页只对照这两家。
GPT-5.6 Terra：模仿最像，也最会突然失忆
先说天花板的一面。玄幻场的前中段，两个盲评审判它是全场最贴近原著的产物， 而且是九个系统里唯一复刻了原著微观排版习惯的：波浪号拟声（「轰隆隆~~~」「哈哈~~」）、 口语里拿「的」代「地」的用法、反派的语气腔调。这不是选词层面的像，是排版肌肉层面的像。
然后是第 18 到 20 轮。它把剧情整体倒回续写起点、重演第一章，甚至复用了自己第 2 轮的句子。 文字纹理依然完美，故事却对折了回去。这种病我们叫「尾段回卷」，全部 360 轮实验里它只砸中了一个模型， 恰好是纹理模仿最好的这个。表面像与剧情连贯是两种独立能力，Terra 是这句话最锋利的证据。
换到宫斗场，同一个模型跑出了全场唯一的零事故记录：零格式错误、零称谓错误、零设定事故， 物证链写法（针脚、香料新陈、设局钓人）被评审记为最贴原著，名次区间 1-3，没有回卷。 四十轮看下来，Terra 的性格是全程体面、偶发失忆：多数时候它是考场里坐姿最标准的学生， 但玄幻那场，它在交卷前把答题卡擦掉、重新填了一遍第一题。
Kimi K2.6：开局最吵，越写越稳
Kimi 的曲线和 Terra 反着走。宫斗场它开局是网文暴怒腔，跟原著第一人称限知视角的绵密文风隔着一个次元； 写到后段收敛回宫斗正轨，评语原文是「唯一显著逆向改善的系统」，名次 5-7。 二十轮长跑里多数模型越写越松，它是少数越写越紧的。
玄幻场暴露的是另一面。双盲共识记了它两笔：比喻密度全场最高，几乎每段一喻， 而这本原著是每千字才 1 次比喻的直给文风；以及 early 到 mid 段出现整段自我复制， 整段照抄自己前几轮的产物。后者是「中途卡死」的轻症版，重症版在 Grok 4.5 身上， 完整分类学写在选型页的失效模式一节。 玄幻名次第 7，两套映射完全一致，没什么争议。
所以 Kimi 的性格是肌肉记忆重、后程会自我修正：它带着一套网文腔的出厂本能上考场， 撞上不对付的文体先摔一跤，然后靠上下文里越积越多的正确示范把自己拽回来。 评它的时候别只看头三轮。
所以写小说到底选哪个？
按场景，不选边站。读古言、慢节奏、措辞讲究的书，Terra 是这两家里唯一进过第一梯队的，直接用； 读快节奏玄幻，先说实话，这两家都不是冠军（冠军是 DeepSeek V4 Flash，账在选型页）， 非要二选一则 Terra 名次更高，但连续续写到十几轮之后要回头翻翻最新剧情有没有倒带， 发现回卷就重写那一段，循环立刻打断。选 Kimi 就给它热身的空间，它的强项在中后程。
比「选谁」更值钱的结论是「别锁死」。回卷和自我复制都是累积病，一次生成的 demo 永远看不出来； 逐段换模型的阅读器里，这两种性格可以在同一本书里互补，文戏 Terra、想换口味切走，成本是零。
你现在买到的 Kimi，已经不是考场里那只
时效边界必须写明：我们测的是 Kimi K2.6。2026 年 7 月 16 日，月之暗面上线了 Kimi K3， 1M token 上下文、原生视觉，按官方定价页（2026 年 7 月 18 日核实）， 中国区每百万 token 输入 20 元、缓存命中 2 元、输出 100 元，整个窗口平价不分档， 当前只提供 max 思考档。K3 没有进过我们的考场：上面所有名次、评语、失效模式都来自 K2.6， 一条都不能迁移到 K3 头上。规格更大不等于文风更贴，这两件事在我们的数据里从来不同向。
GPT-5.6 侧同样交代口径：GPT-5.6 家族于 2026 年 7 月 9 日正式开放，分 Sol、Terra、Luna 三档， 我们测的是 Terra，OpenAI 官方公告标价每百万 token 输入 $2.50、输出 $15。 Sol 更贵、Luna 更便宜，都没进考场，不排名。
下一次复测会把 K3 拉进同一个考场跑满 20 轮，两本书都跑。到时候这页的名次表会更新，以页首日期为准； 在那之前，任何「K3 写小说吊打 XX」的说法都还没有考卷可查。
常见问题
GPT-5.6 写小说怎么样？
分文体。在我们的双盲横评里，GPT-5.6 Terra 续写宫斗古言排第一梯队（名次区间 1-3），评语是「全程零事故」：零格式错误、零称谓错误、零设定事故；续写传统玄幻时它的前中段被两个评审判为全场最贴近原著，但第 18 到 20 轮把剧情整体倒回续写起点、复用了自己第 2 轮的句子，名次区间 2-4。注意我们只测了 Terra 这一档，Sol 和 Luna 没进考场，不给排名。
Kimi 写文到底行不行？
看你给它多长的跑道。Kimi K2.6 在玄幻场排第 7（两套盲评映射完全一致），双盲共识记了它比喻密度全场最高、early 到 mid 段整段自我复制；宫斗场名次 5-7，但评语是「唯一显著逆向改善的系统：开局是网文暴怒腔，越写越收敛回宫斗正轨」。头三轮的表现不能代表它的长跑水平，方向是越写越好。
Kimi K3 会比 K2.6 写得好吗？
不知道，我们不猜。K3 于 2026 年 7 月 16 日上线，1M token 上下文、中国区每百万 token 输入 20 元（缓存命中 2 元）、输出 100 元，规格和价格都上了新台阶，但它没进过我们的考场，本页所有名次和评语都只属于 K2.6。我们的数据里规格、价格与文风贴近度从来不同向：玄幻场冠军是全场最便宜的档位之一。等复测，页首日期为准。
这两个模型能在同一本书里换着用吗？
能，而且这正是对冲长跑失效的打法。回卷、复读这类病都是累积的，连续写十几轮才发作，中途换模型或重写一段就能打断循环。在 Foreverse 里续写逐段可换模型，GPT-5.6 和 Kimi 都能自带 key 接入：文戏用 Terra，写崩了或想换口味时切走，比赌一个「全能模型」现实。
有想法或问题？来 Discord 聊聊 →