Gemini 3.6 Flash 连续续写 40 轮：一场 9:3，一场 1:10，四条链三条陷进剧情循环

第 16 轮和第 17 轮，前半段逐字相同。这是 Gemini 3.6 Flash 在《后宫·甄嬛传》续写链上的收场：从第 9 轮起，它卡进安陵容跪地喊冤的一个场景，跨轮重复率 33%、64%、73%、92%，最后钉死在 100%，末尾三轮写的全是同一个画面的微调版。

这台模型 48 小时前刚上新闻。7 月 21 日 Google 发布 Gemini 3.6 Flash，官方公告的卖点全在效率：Artificial Analysis 口径下输出 token 用量比 3.5 Flash 少 17%，输出单价从每百万 9 美元降到 7.5 美元；次日的财报电话会补了一句背景，Gemini app 月活 9.5 亿。公告通篇讲 agent、编码、文档解析，没有一个字提写小说。所以我们照惯例自己补考：同一套协议，两本书，与前代 3.5 Flash 各连续续写 20 轮，成对双盲。

票开出来像两场不同的实验：玄幻场 3.6 赢 9:3，女频场 3.6 输 1:10，晚窗 0:11。

考场没变，换了一个评委

协议逐项照抄 Qwen 3.8 那轮增量：同两本书（890 万字的传统玄幻，加《后宫·甄嬛传》），同约 55% 深度的起笔点（玄幻起在第 1984 章一场阵法大战的尾声，甄嬛传起在安陵容私藏歹物被揭发的高潮），同 21500 字滚动窗口，温度 0.7，每链 20 轮，唯一变量是模型。评委席动了一处：往届评委之一 gemini-3.5-flash 这次自己是被试，不能自审，按可用池补位 kimi-k2.6，其余五席（claude-4.6-sonnet、gemini-3.1-pro、deepseek-v4-pro、qwen3.7-max、glm-5.2）不变。同厂的 gemini-3.1-pro 保留在席上，它玄幻场稳定投 3.6、女频场稳定投 3.5，各打各的，看不出护短。链路也如实交代：我们经聚合网关调用，未走 Google 官方直连，发布 48 小时的 hosted 模型是移动目标，本页全部数字绑定 2026 年 7 月 23 日的端点行为。

9:3 和 1:10，各是什么成色？

玄幻场 12 张有效票 9:3：开局窗 7:5，中窗 8:2 另有两票平局，晚窗 9:2 另有一票。评委夸的方向一致，claude 评委说 3.6「用词如'青衫猎猎''星河神剑清脆剑鸣'与原著相符」，新补位的 kimi-k2.6 说它「始终保持网文短促有力的节奏与推进感」。

女频场 11 张有效票（kimi-k2.6 有一包连吐三次空回复，按无效剔除），1:10：开局还有来有回，5:6；中窗 1:9 另有一票平局；晚窗 0:11。全场唯一投给 3.6 的一票也来自 kimi-k2.6，而它的翻转验证包恰好是失败的那包，无从复核。

两场成色不同。每本书都跑两套甲乙翻转映射对冲位置偏差，拆开看：女频场五位评委在翻转下全部稳定投 3.5，1:10 是强信号；玄幻场只有三位评委跨映射稳定投 3.6，另外三位来回摇摆，9:3 的稳定成分其实是 3:0 加六张摇摆票，中等信号。

验尸：四条链，三种死法

把 80 轮全部通读一遍，再跑跨轮逐字重叠检测，得到这张表。四条链里三条在 20 轮内陷入剧情循环，第四条也不干净。

3.5 的玄幻链是教科书式逐字复制：两套模板轮流传抄，第 3、6、13 轮一脉相似度 88% 到 93%，第 4、5、10 轮一脉到 94%，第 14 和 16 轮两轮 129 字逐字全同，20 轮的实质剧情停在闯阵那一瞬。gemini-3.1-pro 评委的裁决：「出现了严重的文本循环复读现象，多个段落几乎逐字重复，丧失了正常的叙事能力」。

3.6 的女频链死法不同：没有哪一轮突然开始抄，从第 9 轮起一轮比一轮重，直到 100%，就是本文开头那一幕。qwen3.7-max 评委：「将同一剧情段落微调后连续复读三次，完全丧失叙事推进能力」；claude 点名「金步摇、指尖护甲、苦果总结等段落重复三遍」。同一本书上的 3.5 反而是四条链里最轻的：第 19 轮整轮重放了第 14 轮，但大部分轮次仍在推进，评委给它的评语是「句式与细节描写有变化，无机械复读」。

最值得记档案的是 3.6 的玄幻链。逐字检测全链峰值只有 13%，没有一轮超过 30%，机械层面干干净净；可通读下来，「二人冲阵、苏信发现宫邪魔主、惊呼死局」这一个桥段换着措辞重演了六七次，第 18 轮明明已把魔主轰退，第 19 轮又回到「刚发现」的状态。两位评委各自点名这个桥段重复了三次，人工抽查证实指控属实。我们此前把长程失效归成三类：从头复读、中途卡死、尾段回卷（分类和各家病历在选型页）。这条链是记录里的新变体：纯语义循环，机械指标全绿，只有把它当小说读的人抓得到。玄幻场 9:3 的真相也在这：两代都病了，3.5 崩到逐字层面，3.6 停在语义层面，评委两害相权投了后者。

为什么统计又投给了输家？

与原著结构画像的综合距离（只看形不看内容，越小越贴），两本书都站在输家一边：玄幻场 3.5 更贴（0.369 对 0.390），盲评 3:9 输；女频场 3.6 更贴（0.442 对 0.565），盲评 1:10 输。

原因不复杂：把同一段落微调后重抄三遍，每一遍自身的句长、标点、用词分布都正常，结构统计对复读这种病天生不敏感。统计与盲评方向分歧，这是记录在案的第四例：第一例是 Qwen 3.7 在玄幻横评里统计近满分、盲评 4-5 名；第二例是评委可靠性实验里评委彼此一致却一致地错；第三例是上周 Qwen 3.8 句长全场最平、照样赢票。统计当回归闸门、成对双盲当裁决，这个分工第四次被确认。顺带记一笔 flash 档共性：对话率两本书全部远低于原著（原著 16.1% 和 48.8%，四条链最高 27.1%），重叙述轻对白，两代如此；3.6 每轮篇幅还比 3.5 多四到九成。

提示词治不了的病

本轮沿用的上下文说明，正是当年救回 gemini-3.1-pro 的那份修复后措辞。3.1-pro 曾把说明里一句话读成「AI 段不算正文」，玄幻场 20 轮全部从原著末尾重写开场，改一句措辞就从 20 轮全中救到零（实验全程在这）。同一份说明之下，两代 Flash 照样大面积循环。那次的病根在措辞，提示词能治；这次的病根在长程能力，措辞不背锅。

便宜一截、快一半，该怎么用？

先把账摆平：40 轮零失败零重试。3.6 平均一轮 6 秒上下（最快 3.2 秒、最慢 11.1 秒），3.5 要 12.5 到 12.9 秒（最慢一轮 32.5 秒），快了一半；按牌价折算，3.6 两条链合计 1.57 美元，3.5 是 1.62 美元，整场实验 3.19 美元，约 23 元人民币。两代思考都关不掉，思考 token 占输出的 81% 到 91%，每轮可见正文只有 160 到 300 字。

所以买 flash 档之前值得问的，从来不是「更强吗」，是「崩得晚不晚」。单段续写、每次只要一两段的场景，3.6 更快更便宜，降价是真的，这么用没毛病。连续续写十轮以上，两代都别裸用：循环冒头时换个模型接一段，或把绕圈那段重写掉，打断它的自我模仿，我们把逐段换模型做进阅读器就是给这种时刻用的。质量位仍在Kimi K3 那一档，flash 档买的是速度和价格。

样本边界照例写明：单一提示框架，两本中文书，每模型每书一条链、单锚点单采样。3.6 玄幻链的「干净」分不清是能力还是锚点运气——样本就这么大。官方说 Gemini 3.5 Pro 还在测试，等它上线，这一页顶部会挂新一场的导流条。