总榜：Kimi K3 登顶，但没有一项维度第一
总榜按测评员给出的整体分排序。Kimi K3 总分第一，五个单项都没进前二。点击维度可切换榜单。
Kimi K3 赢总分，Gemini 3.7 Flash 赢单项
Kimi K3 拿了总分第一，但它在五个维度里没有一项进前二： 网文感第 5、人物描写第 3、细节描写第 5、逻辑严密第 8、AI 感第 5。 而总分第二的 Gemini 3.7 Flash，五个维度里拿了四个第一。
总评分记录整篇的阅读感受，五个维度分别打分。两组数据分开统计，因此整体读感和单项能力会给出不同排名。
Kimi K3 的 7.19 靠的是三篇里那篇 8.00（）， 另两篇是 7.36 和 6.20；它的逻辑严密只有 4.76，排第 8，短板相当明显。 那篇 8.00 最终采用两份评分，第三位测评员给出的 4.5 分触发异常值规则，被剔除。 给出高总分的两位测评员，五个维度的平均分只有 4.20 和 6.50， 总分比维度分高出 3.8 和 1.5。这种「整体印象远好于逐项拆解」的落差，Kimi K3 是全场最大的（平均 +1.15）， 而 Gemini 3.7 Flash 几乎没有（+0.18）。 Gemini 3.7 Flash 各项最均衡，代表作 得 7.87 分。 看均衡性，选 Gemini 3.7 Flash；看单篇上限，Kimi K3 更高。
前三名只差 0.32 分，第一到第五只差 0.57 分，差距没有统计显著性。因此只分档，不细排名次。
五维拆解：谁强在哪，谁塌在哪
「逻辑问题」和「AI 感」已换算成质量分（10 减原分），五项都是高分更好。可任选两个模型对比。
径向刻度 2 至 8 分，覆盖全部实际得分
细节质感：堆字数堆不出年代感
章纲要求三千字左右，实际平均 4,628 字，三分之一超过 5,000 字。篇幅与得分几乎无关。
各模型平均篇幅从 3,240 字到 6,519 字，最长接近最短的两倍。 篇幅与总分的相关系数只有 0.14，与细节分的相关系数为 0.45。多写通常没有多拿分。
篇幅与细节分对照
灰条是平均篇幅，绿条是细节描写分。两者并不同步。
Gemini 3.7 Flash 用 4,631 字拿到全场最高的细节分 6.93； GLM-5.3 多写 40%（6,519 字，单篇最长 8,052 字），细节分为 6.86。 Gemini 3.1 Pro 平均只有 3,240 字，是全场最短，细节分 6.27 排第四， 比写了 5,099 字的 DeepSeek V4 Flash（5.27）整整高一分。
GPT-5.6 Terra 平均写 3,979 字，细节分只有 4.30，比倒数第二的 Grok 4.6 低 0.85。
稳定性：同一套输入，跑三次
每个点代表一次生成，横条是三次的分数跨度，竖线是均分。极差从 0.46 到 4.50，越小越稳。
Luna 最稳
GPT-5.6 Luna 极差 0.46 全场最小，三篇 6.78 / 6.76 / 6.32， 最高分不突出，最低也没跌破 6.3。追求稳定交付可以优先看它。
最高的一篇，来自第七名
全场最高的一篇来自总榜第七：DeepSeek V4 Pro 写出了 8.50 （）， 另外两篇只有 5.00 和 4.00，极差 4.50。想碰到高分稿，往往要多跑几次。
钱花在哪：选对的，不只选贵的
GPT-5.6 Luna 和 GLM-5.3 性价比不错，推荐日常使用。
第一名 Kimi K3 每章 $0.074。第二名 Gemini 3.7 Flash 只要一半，第四名 GLM-5.3 约为三分之一。 GPT-5.6 Terra 每章 $0.0725，价格第二，排名第八。DeepSeek V4 Flash 每章 $0.0035，价格最低，总分也垫底。
测评员原话
共收录 86 条评分原话，未经润色。点击评语可读对应作品。
30 篇原文，全部公开
点击任意一篇，可查看全文、六项分数和全部评语。
方法与局限
评分方法和适用范围。
数据怎么处理的
双盲
测评员只看到匿名编号，模型名称、他人评分和评审进度均隐藏。编号与模型的对应关系只在管理端保存。
异常值剔除
各评分列单独判断。分数同时满足「偏离该篇中位数超过 2.5 × MAD」和「偏离超过 2 分」时剔除。本期 21 篇触发规则，共剔除 53 项；另有 1 篇进入复核。
样本可用性筛查
每位测评员的评分都做内部一致性检验，判别力不足的整批排除。本次排除 8 份。
样本量
每个模型生成 3 篇，每篇有 3 至 4 份评分，共 91 份。专家组补齐了评分不足的作品。
这份结果的边界
样本量偏小
每个模型仅 3 篇。DeepSeek V4 Pro（极差 4.50）、Qwen3.8 Max（2.75）这类波动大的模型，均分参考价值有限，看稳定性点图比看名次可靠。
维度结论不宜单独引用
部分维度的评分区分度不足，单项结果要谨慎使用。总分单独统计。
只测了第一章
本次只测开篇，实际平均 4,628 字。长篇节奏、伏笔回收和人物弧光不在评估范围内。
「AI 感」主观性最强
测评员对 AI 痕迹的判断会有差异。本期 AI 感质量分均值为 3.99，解读时要留意这种主观性。
题材变化、跨期轨迹和版本对比见 第 05 期 · 三题材横向对比。
附录：十个模型拿到的是同一份大纲
项目定位
年代文 / 七十年代末 / 京味市井 / 文抄公金手指。
故事梗概：「1979 年的北京什刹海，现代社畜猝死穿越，成了寄居二叔家、随时会被遣返的『盲流』孤儿。」
第一章：什刹海的狼
穿越者在盛夏的荷花市场边醒来，饿得眼前发黑，随即面对街道办的遣返通牒与二叔一家的霸产欺凌。三个场景：
- 饿醒（生理 / 年代感）：醒来先感到饿。用触觉和嗅觉写淤泥、鱼腥和汗臭，避免用上帝视角交代背景。
- 遣返通牒（冲突 / 处境）：街道办上门，「盲流」身份随时可能被送走。要求通过对话和邻里围观写出时代压力。
- 霸产（人物 / 反差）：二叔林德柱一家占着正房，主角必须在示弱与反击之间做选择。
结尾钩子：他想起前世读过的小说，在这里触发「文抄公」金手指。多个模型把这个转折写得很生硬。
篇幅要求 3000 字左右。本期实际平均 4,628 字，最长的一篇 8,052 字。
感谢本期测评员
武行悟道雪白的面具lastworm流萤King长庚上帝模式笑沧桑海獭慕容复国在天子家喝茶风方周兴sunHubert坚强老鸭梨Sail泡在海岛的猴子Sandra
常看网文，也愿意认真打分？可以加入测评团。
加入测评团 →下一期想看什么测评？
写下想测的题材、模型或写作环节。