K3 对 DeepSeek：目前能对表，还不能对决

K3 发布 48 小时，「K3 对比 DeepSeek」的文章已经冒出来一批。我们翻了一圈，全是编程侧的：刷 SWE 榜、跑代码补全、算 agent 成功率。 写小说这个角度，还没有人给数据。我们手里正好有：K3 刚在我们的 20 轮续写链上跑完两本书，DeepSeek 双档的同书数据在归档里躺着，尺是同一把。

最硬的两个数字先放前面。玄幻场，K3 的综合贴近度 0.388，落在 DeepSeek V4 Flash（0.356，该场盲评冠军）之后、V4 Pro（0.454）之前； 女频场，K3 是 0.396，没有够到 V4 Pro 的 0.280。 但这两句话的性质必须说清楚：这是同一把尺下的隔空对表，不是同场对决。K3 和 DeepSeek 没有进过同一场盲评， 谁「击败」谁，目前没有考卷。想直接看怎么选的，跳到文末决策树；想知道为什么我们不肯宣布胜负的，从下一节读。

为什么只能对表，不能判胜负

两份成绩单的来路不同。K3 的对手是同厂上代 K2.6：同两本书（一本 890 万字传统玄幻、一本《后宫·甄嬛传》）、同起点、同提示、 各连写 20 轮，产物匿名后交 6 个异构评委做成对判定，战绩 21 比 1。DeepSeek 双档的名次来自另一场九模型双盲： 产物匿名成随机字母、两套映射、两个互不知情的评审排全序。两场的书、起点、窗口、轮数、指标定义完全一致， 所以结构指标可以放在同一张表里读；但盲评的形态不同，评委也不同，把「K3 赢 K2.6」和「Flash 是玄幻冠军」硬接成 「K3 对 Flash 的胜负」，中间缺的恰好是那场没跑的比赛。

对表还有一块自带的警示牌。V4 Flash 在女频场的贴近度是 0.296，和 V4 Pro 的 0.280 几乎贴着， 盲评名次却是 6-7 对 1-2。结构指标量的是表层纹理，量不出「笔更细恰好是原著的笔」这种事。 指标能划出档位，判不了名次。这也是本页坚持「对表不判胜负」的原因，不全是姿态。

第一张表：文字贴近度，K3 挤进了 DeepSeek 双档之间

贴近度（dist）是八项结构指标与原著的平均相对差，句长、句长变异、对话率、标点密度、套话密度都在里面，越小越贴。 四条链、两本书，同一套脚本算出来是这样：

玄幻场 K3 排进了 DeepSeek 双档之间，比冠军 Flash 差一步，压过 Pro 和 GLM 5.2（0.565）。 单项里它有一处全场无人及：句长变异系数 0.62，尾段窗口冲到 0.731，是我们测过的模型里最接近原著 0.837 的一个。 句长忽长忽短的「碎」感，是这类传统玄幻最深的指纹，也是多数模型最治不好的均匀化毛病，K3 在这一项上真有东西。 女频场它就平平了：0.396 对 Pro 的 0.280，差距不是误差级的。

一句口径说明：K3 两本书约 85% 的对白用半角引号，dist 里的对话率项按原始口径算会吃这个亏（修正后玄幻对话率 20.4%、女频 38.9%）， 表里的数字没做修正，属保守值；GLM 5.2 的 0.565 也受同款影响。伪影归伪影，半角引号本身就是真实缺陷，读者看得见。

第二张表：长跑失效，两家都是能跑完的选手

我们在 360 轮横评里把长跑失效分成三种：从头复读、中途卡死、尾段回卷（完整分类学在选型答案页）。这一项 K3 和 DeepSeek 双档打平：都没病。 K3 两条链的跨轮逐字重复率峰值分别是 6.8%（玄幻单轮）和 1.0%（女频），其余轮次接近零， 20 轮剧情线性推进不回卷；DeepSeek 双档在两场横评里也从未进过三种失效的名单。 作为参照，K2.6 在旧协议玄幻链上第 9 轮曾出现 97.6% 的整段自我复制；九模型横评里三种失效合计砸中过四家。 把 20 轮跑干净是两家共同的及格线，也是它们都值得进同一场盲评的理由。

第三张表：成本，这一局 DeepSeek 碾压

牌价（DeepSeek 官方定价页、Kimi 官方定价页，均 2026-07-18 核实）之外，K3 还有一笔账面上看不到的思考税： 它的思考模式恒开、只有 max 一档，我们实测两条链的输出 token 里 81% 到 86% 是思考过程，可见正文每轮只有 250 字上下， 思考部分照 100 元的输出价收费。落到钱上，两本书各 20 轮加探针共花 12.21 元，摊到每段约 3 毛；每轮等 37 到 54 秒。 Flash 谷时同样一段一分二厘，缓存命中价是未命中的 1/50，峰时翻倍但避开 9 点到 12 点、14 点到 18 点就行， 账在峰谷计价那篇算到了厘位。 一段 K3 的钱，Flash 谷时能写二十多段。这一局没有悬念。

病历对照：各自治好的，和各自还带着的

DeepSeek 双档的病历在两场横评里写透了：Flash 的强项是称谓式对话、拟声词独立成段、剧情快推进， 评审原话「六个系统中唯一读起来像原著续章的」；它的病是文体错配，白话直给的本能撞上古言典雅语体就使不上力，女频跌到 6-7。 Pro 正相反，「话中有话加叙述解码」的双层结构全场唯一稳定复现，太后审案一场是全部样本的峰值； 病是描写密度系统性偏高，玄幻场评语「像一个笔更细的同题材作者」。同一家的两个档位，互相拿不下对方的主场。

K3 这边，先说治好的。K2.6 那身「比喻密度全场最高」的病，K3 基本治断根了：玄幻套话密度从每千字 3.68 次降到 2.02， 尾段大段清零；女频 0.63，低于原著自己的 1.0。整段自我复制也没了。 评委点名的强项很具体：「完美复刻原著短段落、拟声词独立成段及『~~~』标点习惯」。 我们回头机械核验过，玄幻链里「轰隆隆~~~」真的独立成段，这个纹理在此前九个模型里只有 GPT-5.6 Terra 复刻出来过； 原著专名（宇宙晶、九源境、星河神剑）在链里出现 4 到 6 次，用得都对。

还带着的病也照抄记录。半角引号占对白约 85%，玄幻 39 对半角对 9 对全角，女频 52 对 8，和 GLM 5.2 是同款顽疾； 女频「我」的密度每千字 16.2 次，原著 9 次，第一人称过密，方向与 Grok 4.5 的过疏正好相反； 写皇后居所时它用了「景仁宫」，那是电视剧的设定，小说里是凤仪宫，底层记忆微偏剧版语料， 这个现象我们在专名一篇里单独写过。

怎么选：一棵决策树

预算敏感，或者日常陪读要长跑的，选 DeepSeek，按文体分档：快节奏玄幻用 Flash，古言慢文用 Pro， 谷时账单以分计，这个建议和两场横评的结论一致。 在乎文字纹理、想要拟声词独立成段和碎句节奏这种排版肌肉层面的像，K3 值得一试， 前提是接受每段约 3 毛和 40 秒上下的思考等待；它的完整样张和逐轮数据在实测记录里，先读样张再充值。 两个都想要的，混着用：关键场景 K3 精修，日常推进 DeepSeek 跑量。在 Foreverse 里续写逐段可换模型， 两家都能自带 key 接入，同一本书里这么配是现成操作，不用二选一。

最后是那场没跑的比赛。K3 对 DeepSeek 双档的同场成对盲评在排期中，两本书都会跑，跑完这页的「对表」会改写成「对决」， 以页首日期为准。在那之前，你在别处读到的任何「K3 击败 DeepSeek」或者「K3 不如 DeepSeek」，都还没有考卷可查，包括我们自己的。