研究 · 2026-11-15 实测 · 价格 2026-11-16 核对

Gemini 4 续写小说:两本中文书、400 轮、10 个思考档的双盲实测

用 Gemini 4 续写小说,Argon 或 Hydrogen 开 high 最稳:Argon 的 low、medium 零思考,盲评输 high 19:5、18:6;Hydrogen 低中档也输给 high。Carbon 三档分不出高低,high 却贵 3.3 倍。我们开发新梦(Foreverse),这是单链自测。

iPhone / iPad 版已在中国大陆以外的部分地区上架;中国大陆 App Store 暂不可用。 下载遇到问题?

400 轮接写是怎么跑的,单链数据该怎么读?

截出续写点前约 21,500 字的原著正文,让模型接着往下写 80 到 220 字,就这么一轮接一轮连写 20 轮。2026-11-15 当天,我们拿玄幻《踏天境》和宫斗《后宫甄嬛传》两本书,把 Gemini 4 的 10 个思考配置全跑了一遍,20 条链共 400 轮无一缺漏。每一轮都是一次独立的 Google Antigravity CLI 无头调用,关掉工具当子 agent 跑,只改思考档,采样保持默认,每次调用附带约 2k token 的 CLI 固定外壳(Hydrogen 约 2.5k)。我们是新梦(Foreverse)的开发者,新梦是带 AI 续写的手机小说阅读器,读这组数据时请考虑这一点。

每本书排了 13 组对决,交给 6 位非 Google 模型评委盲审。同一组甲乙顺序互换重评一次,合计 312 份裁决。凡是换序后还死认同一个位置标签的选票都按位置偏差作废,共筛掉 41%(玄幻 51%,宫斗 31%);表里同时列出换序后依然投给同一条链的「稳定评委」人数。看表前请记住两条硬限制:同一组对决背后的两条链和 6 位评委是固定的,选票并不彼此独立;而且每个配置在每本书上只跑了一条链,单条链的手气好坏跟档位本身的效果没法彻底拆开。文中的美元开销由订阅实测用量按官方牌价折算;此前试过会无视思考档参数的第三方 API 中转数据已全部剔除。

盲评对打下来,哪个型号、哪一档续写更强?

单元格是前者对后者的原始得票(每书 12 票);最后一列是两书合计换序不改口的稳定评委数(满 12)。

对局(前者 : 后者)踏天境后宫甄嬛传两书合计稳定评委(满 12)
Carbon low 对 high5:77:512:123:3
Carbon medium 对 high7:53:910:142:4
Argon low 对 high4:81:115:191:8
Argon medium 对 high3:93:96:182:8
Hydrogen low 对 high3:92:105:190:7
Hydrogen medium 对 high5:72:107:170:5
Hydrogen xhigh 对 high5:712:017:76:1
Carbon high 对 Argon high6:68:414:103:1
Carbon high 对 Hydrogen high7:510:217:75:0
Argon high 对 Hydrogen high7:58:415:95:2
Carbon high 对 DeepSeek V4 冠军7:58:415:95:2
Argon high 对 DeepSeek V4 冠军7:56:613:115:4
Hydrogen xhigh 对 DeepSeek V4 冠军4:86:610:144:6

按 24 票双侧符号检验粗看量级:5:19(Argon low、Hydrogen low 对各自 high)p≈0.007,6:18(Argon medium 对 high)p≈0.023,稳定评委(1:8、0:7、2:8)也站在同一边;Hydrogen medium 对 high、Hydrogen xhigh 对 high、Carbon high 对 Hydrogen high 落在 p≈0.06 边缘;其余各行 p 全在 0.3 到 1.0 之间,分不出高下。表里的 DeepSeek V4 冠军在《踏天境》上是 Flash,《后宫甄嬛传》上是 Pro。

把思考档往上拧,小说真的写得更好吗?

分型号。Argon 的 low 和 medium 加起来跑了 80 轮,思考 token 全是 0,medium 跟 low 完全一回事,两档在盲评里都被 Argon high 拉开了明显身位;Hydrogen 的 low 和 medium 同样输给 high。唯独最贵的 Carbon 三档打成一团:Carbon high 单轮等待中位数拉长到 140 秒、折算成本是 low 的 3.3 倍,盲评却拿了个 12:12 平局,多烧的思考没换来评委青睐。

Hydrogen xhigh 对 high 总比分 17:7 看着漂亮,拆开两本书就露底了:宫斗《后宫甄嬛传》打出 12:0 横扫(稳定评委 6:0),可到了玄幻《踏天境》却是 5:7 输给 high。一本大赢、一本落败,费用涨到 high 的 2.3 倍、耗时涨到 3.3 倍,没法给出「xhigh 普遍更好」的结论。

至于表底那三场跟 DeepSeek V4 历史冠军的交手,票面全没拉开。那些对手链是我们早先直连 API 留下的存档,每轮平均写到 326 字(踏天境)和 475 字(甄嬛传),《踏天境》当时用的还是老版指令措辞,严格说不算同口径较量,只能说明 Gemini 4 站进了同一档水准。早先各模型的长链毛病可翻看中文续写实录馆。

字数要求守住了吗,跑百轮要掏多少钱?

系统提示词硬性要求每轮写 80 到 220 字。下面是 10 个配置的真实产出长度与官方牌价折算开销:

配置思考 token 中位数每轮字数均值越界轮数(满 40)每百轮 $每轮秒数中位数
Carbon low0363404.1819
Carbon medium2,04721476.2846
Carbon high8,6272181113.82140
Argon low0351394.1628
Argon medium0367394.1726
Argon high2,00021286.1851
Hydrogen low908230253.8015
Hydrogen medium1,697214144.4020
Hydrogen high2,85320625.2427
Hydrogen xhigh11,580212712.1989

三个零思考配置(Carbon low、Argon low、Argon medium)全都刹不住车,每轮平均写到 351 至 367 字,120 轮里有 118 轮冲破上限,而且写长了也没在盲评里多拿票;带一点思考的 Hydrogen low 仍有 25/40 越界,到 Hydrogen high 就只越界 2 次了。因为每轮固定喂入 1.94 万到 2 万 input token,零思考三档的百轮价格几乎一模一样。耗时含 6 到 10 秒进程启动,Carbon high 最慢的十分之一轮次要等约 249 秒。2026-12-01 起 Carbon 和 Argon 官方牌价翻倍(折算成本直接约乘 2),Hydrogen 不变;2026-11-16 核对的价格页与上表一致。

写出来的文风像原著吗,有没有复读或拒写?

把续写文本跟原著做句子级统计比对,在《踏天境》上,10 条链的句子长短都比原著匀:句长变异系数(CV)全落在 0.43 到 0.62,明显低于原著的 0.837。三条零思考链不仅句子拖得更长(均长 43.0 到 44.2 字,原著 32.1 字),「的」字密度也蹿到每百字 4.11 到 4.69 次(原著仅 2.9 次)。不过用 8 项结构指标算出来的综合接近度跟盲评好恶并不挂钩:数值上最贴近原著的 Hydrogen medium(偏差 0.211)在盲评里反而输给了 Hydrogen high,这类统计指标只能当预警,不能代替盲评。

20 条链都没有出现逐字死循环复读,跨轮 12 字片段重合率最高只有 1.5%。真正露出的两处破绽在别处:一是《后宫甄嬛传》上 Argon low 第 2 轮突然跳戏,开头冒出一句「我无法直接为您续写这段文字」,紧接着甩出 285 字剧情梗概——我们按规矩没重跑、原样留在链里,下一轮它自己又恢复正常接写了;二是 Hydrogen high 被评委点名「意象反复」最多(两本书分别被记了 29 条和 28 条,Carbon high 与 Argon high 只有 5 到 10 条)。鉴于每书只有一条链,这笔账暂时不能扣死在档位特性上。

这组续写数据回答不了你什么?

要是你打算拿 Gemini 4 干下面这些事,先拿自己的稿子试跑:

  • 写英文小说:两本测试书都是中文网文与古言。
  • 跟 Claude、GPT 分高下:本轮没测其他厂商,唯一拉出来比过的外部链是早先的 DeepSeek V4,生成条件还不完全一致。
  • 20 轮往后的跨章大纲连贯度:一条链只接了 20 个短回合,远不到 20 章体量。
  • 从零搭大纲或润色改稿:本次只测顺着原著往下接,评审提示词里明确写了看「同一作者感」,选票天然偏向模仿原书腔调,没单独考剧情构思。
  • 你的书该锁死哪一档:每格单链,两档的差距可能只是运气。

新梦阅读器里怎么接 Gemini 4 续写小说?

在新梦阅读器里选中小说任意一句,AI 就从这里往下续写,生成的内容落在独立平行分支上,原书半个字不改。按我们 2026-11-16 对 Android 源码和服务端官方模型目录的核对,官方渠道目前有 Gemini 4 Carbon 和 Argon,没有 Hydrogen。续写读取的是当前模型供应商里的 Reasoning Effort:在 Android 端进「我的 → AI 模型与服务 → 模型供应商」,选定供应商后在高级设置里打开「生成参数(酒馆兼容)」,选 off、low、medium 或 high(没有 xhigh)并点「保存」,官方渠道就会把它转成 Gemini 的思考档位发出去。提醒两件事:CLI 实测里 Argon medium 跟 low 一样完全不思考,直连 API 是否如此我们还没单测;App 内续写的实际控字数表现也还没专门跑过,如果发现开 low 时一次吐出特别长一段,这和我们在 CLI 里看到的零思考超字数现象一致。

常见问题

Gemini 4 能用来写长篇中文小说吗?

我们只测了顺着现成中文小说往下接写 20 轮。表现靠前的几档在双盲互评里跟早先榜单的 DeepSeek V4 冠军处在同一水平线:Carbon high 15:9、Argon high 13:11、Hydrogen xhigh 10:14,都没拉开差距。从零写大纲、多章情节以及英文小说本轮没测。

续写小说选 Gemini 4 哪个型号、开几档思考最划算?

日常用选 Argon high(每百轮 $6.18,单轮中位 51 秒)或 Hydrogen high($5.24,27 秒)比较稳。Carbon high 盲评票面略占优(对 Argon high 14:10,对 Hydrogen high 17:7),但每百轮要 $13.82,单轮中位得等 140 秒。

Gemini 4 续写时会听字数限制的话吗?

不思考时基本不听。提示词要求每轮 80 到 220 字,零思考的 Carbon low、Argon low、Argon medium 平均写到 351 至 367 字,120 轮里 118 轮越界;开启思考后,40 轮里 Hydrogen high 只越界 2 次,Argon high 8 次,Carbon high 11 次。

写小说值得为旗舰 Gemini 4 Carbon 多掏钱吗?

从这批数据看没跑出确凿回报。Carbon 自己的 low、medium、high 三档盲评打平(对 high 分别为 12:12 和 10:14),high 的成本却是 low 的 3.3 倍、耗时约 7 倍;它对 Argon high、Hydrogen high 的领先也多半落在票数噪声里。

新梦 App 里续写小说,在哪调 Gemini 4 的思考强度?

Android 端路径:我的 → AI 模型与服务 → 模型供应商 → 点开所用供应商 → 高级设置里打开「生成参数(酒馆兼容)」→ 在 Reasoning Effort 选 off、low、medium 或 high 并点「保存」(没有 xhigh)。核对依据为 2026-11-16 的 Android 源码。

本页依据