AI 续写中文小说，写崩是什么样子：
九模型 20 轮，原文取证

分工关系。榜单页管结论：九模型位次、成本列、增量对决、data.json 快照，选模型看那边。这一页管证据：位次背后的失效现场原文、重复率的复算口径、评审可靠性的受控实验——你不信榜单的时候来这里对质。两页数据同源，名次矩阵直接读榜单的数据文件，不存在第二份名次。

片段全部来自评测归档的 20 轮链原文，选取标准是「该失效模式最短的自明证据」。重复率口径：把每轮文本切成连续 12 字的滑窗，算与此前所有轮并集的逐字交集占比——本页每个百分数都按这个口径在归档链上复算过。归档含全部链原文、双盲映射密钥与评审判决；位次与协议参数在榜单页的 data.json 里可下载。

版权纪律。模型输出是评测产物，短摘引用属研究评论；原著正文不是我们的东西，所以对照锚一律用结构指标数字（句长、对话率、套话密度与原著基线的差）而不是贴原文。你会注意到连「原著全书零气味描写」这样的判断，我们也只给统计结论不贴原文。

12% 那个实验测的是凭空判「像不像人写的」，评委没有任何参照物；本榜评审做的是同题相对比较——九个模型续写同一本书，原著就摆在桌上，问题是「谁更像它」。任务不同，可靠性不同。防线也不一样：两套随机映射对冲位置偏差、两包一致才算高置信、结构指标交叉、可疑结果用消融实验拆解。那个 12% 研究给本榜留下的规矩是：评审器必须先过已知答案校准，位次只给区间不给分数。

完全可能，这是本页的已知边界。20 轮是当前协议的观测窗，窗内没崩只说明「20 轮内没崩」。反过来的结论倒是硬的：窗内崩了的（三个标本）在真实使用里也会崩，因为协议复刻的就是真实使用的上下文演化——每轮产物拼回窗口、原著逐步被挤出。更长的链是否跑，取决于这页的读者需求，更新会记在更新记录里。

因为它对读者是真实风险。你在任何应用里写的提示词都可能踩中同款措辞歧义——一句「仅供参考」就能让某些模型把整段已写正文当成可忽略的注释。标本里完整给了归因链：旧措辞 20/20 复读、删说明约 6/8、修正后 0/20，以及哪类模型对措辞敏感。挂出来的目的不是给模型定罪，是给「提示词措辞本身是使用条件」这件事留一份带数字的证据。