AI 续写小说用哪个模型？两种文体实测，冠军不重叠

先给短答案：没有全能冠军。我们让九个大模型在两种文体上各连续续写 20 轮、累计 360 轮， 双盲评审排名——玄幻场第一是 DeepSeek V4 Flash，宫斗古言场第一梯队是 DeepSeek V4 Pro 和 GPT-5.6 Terra。玄幻冠军换到宫斗文里跌到第六。结论只有一条：按你读的书选模型，别信任何一张总榜。

这一页是结论层，名次和数字全部来自我们已发表的实验记录：六模型玄幻横评（120 轮生成）和九模型《甄嬛传》横评。 测法一句话说完：同一段开头、同一套提示，每轮产物拼回上下文再写下一轮，连写 20 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排名。想看过程和评语全文，读那两篇。

续写玄幻网文，哪个模型最像原著？

六个模型接着一本 890 万字的传统玄幻往下写，盲评第一是 DeepSeek V4 Flash：几乎每个评审窗口都排第一， 评语是「六个系统中唯一读起来像原著续章的」。而它是六个模型里最便宜的档位之一。贵的不一定像。

两条注记。Gemini 的垫底不是能力问题：它把上下文说明里「仅供情节衔接参考」一句读成了「这些段落不算正文」， 于是每轮跳过全部已续写内容、回到原著末尾重写；说明改写后回退清零，这个坑在 Foreverse 的续写链路里已经修掉。 另外，这张榜是六模型的；GPT-5.6 Terra、Grok 4.5、Kimi K2.6 三家也按同一协议跑过这本玄幻， 它们的玄幻链表现记在下文失效模式一节。价格参照：按DeepSeek 官方牌价，V4 Flash 每百万输入 token 收 0.14 美元。

续写宫斗古言，哪个模型最稳？

九个模型接着《后宫·甄嬛传》的宫斗高潮往下写，第一梯队两家：DeepSeek V4 Pro（名次区间 1-2）， 唯一稳定复现原著「话中有话＋叙述解码」双层结构的系统；GPT-5.6 Terra（1-3）， 全程零格式错误、零称谓错误、零设定事故。

两张榜对照读，翻转是系统性的。V4 Flash 在玄幻场靠白话直给、短句快节奏拿第一， 这套本能撞上流潋紫「澄澄的如一汪碧玉」式的典雅语体就成了负资产。它的同门 V4 Pro 正相反： 玄幻场因为「笔更细」被扣分，古言场里笔更细恰好就是原著的笔。同一个特质，换个文体正负号翻转。 GLM 5.2 是唯一双榜都进前三的模型，代价是半角引号顽疾，两本书都没改掉。

2026-07-21 增补：Kimi K3 和 Qwen 3.8 测完了，榜单要重排吗？

7 月中下旬三天里连发两个万亿级新模型，我们都按同一套协议补了成对双盲。先说结论：两张榜的第一梯队都不用动， 但榜单中段的名次已经过时——新一代 Kimi 值得高看，新一代 Qwen 只在女频场兑现了升级。

Kimi K3（7 月 16 日发布）对前代 K2.6是碾压级换代：玄幻 10:0、女频 11:1，K2.6 的比喻堆砌和整段自我复制都没有复发。 用结构指标隔空对表，它的玄幻贴近度已经落进 DeepSeek 双档之间——上表里 K2.6 的「5-7」名次 对 K3 已经失效，但代价是约 85% 对白半角引号和关不掉的思考延迟。Qwen 3.8 Max Preview（7 月 19 日发布）对前代 3.7 Max则是半场升级：女频 11:1 一边倒，最伤的「精修感官流违和」在古言语境里确实收敛了；玄幻只有 7:5， 分窗 6:6 起步，谈不上换代。

两个后来者同场对决的结果是 3:20——K3 两种文体都赢，Qwen 3.8 升级后仍没有追平这一代第一梯队的入场线。所以本页的实操建议不变： 玄幻场 DeepSeek V4 Flash、古言场 V4 Pro 与 GPT-5.6 Terra 仍是首选；预算内想试新模型，K3 值得排队， Qwen 3.8 等正式版再看。另外提醒一句，续写榜单不迁移到陪聊场景：我们用 400 轮角色扮演语料单测过记忆维度， 换代和换厂都治不了裸上下文的失忆，那是另一张完全不同的成绩单。

长跑失效：定模型之前先查这三种病

累计 360 轮里观察到的失效全部落进三种形态。它们都是累积病，一次生成的 demo 看不出来， 连续多轮才发作，所以比单看名次更值得当避坑清单用。

从头复读：模型无视已续写内容，每轮回到原著末尾重来。Gemini 3.1 Pro 在玄幻场 20 轮全中， 根因是一句提示词说明被误读；措辞改写后两本书合计 28 轮零复发。

中途卡死：写着写着锁进自己的近期输出。Grok 4.5 两种文体都发病，玄幻场中段同两段文字逐字循环三遍， 宫斗场里二十轮故事时间没离开案发当日下午，两个评审各自独立写下「剧情倒带」； 它在宫斗场的第一人称密度也只有原著一半（每千字 9 次「我」对 5 次）。Kimi K2.6 是轻症版， 整段照抄自己前几轮的产物。

尾段回卷：最反直觉的一种，恰好砸在文字纹理模仿最好的模型头上。GPT-5.6 Terra 的玄幻场前中段 被两个评审判为全场最贴近原著，第 18 到 20 轮却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。表面像与剧情连贯是两种独立能力；它在宫斗场没有回卷， 零事故跑进第一梯队。

怎么用这份榜单？

按书选、按场景换，别把一本书锁死在一个模型上。失效随轮数累积，中途换模型或重写一段就能打断循环， 这比事前挑出「完美模型」现实得多。

在 Foreverse 的阅读器里这套打法是现成的：续写逐段可换模型， 62 家预置供应商都能自带 key 接入，任何 OpenAI/Anthropic 兼容端点还可以自定义添加。 武戏用玄幻场冠军、文戏换古言场冠军，同一本书里真实可操作。注册送 5000 credits， 走官方渠道约合 260 段续写：两张榜里的 DeepSeek 双档在官方渠道直接可选， GPT-5.6 Terra、GLM 这类目录外的模型拿自己的 key 接入，试完前排再决定给谁充值。

方法论与局限

方法完整交代一遍：每条链从固定位置起笔（玄幻场取 55% 深度的战斗场景，宫斗场取陵容私藏歹物事发的高潮）， 连续续写 20 轮，产物拼回固定 1.6 万 token 的上下文窗口。双盲评审的意思是产物匿名成随机字母、 做两套不同映射、交给两个互不知情的评审独立排名，两套映射一致的名次才当定论， 有分歧的按区间报告，比如古言场的 4-6、5-7。裁判用人而不用模型， 原因在另一场评审可靠性实验里写透了。

局限也摆在明处：全部实验共用一套提示框架；只测了玄幻和宫斗两种文体，且都是中文书； 模型迭代会让名次过时。榜单里的名次区间照录了评审的真实分歧，我们不做人为收窄。 本页随复测更新，以页首日期为准。