200万字文档AI真读得完吗,Kimi和Claude实测对轰

大家好，我是桃花键神。

上一篇讲 AI 读合同，评论区有人追问：200 万字级的长文档，到底谁能真读完？

这个问题问得好。因为「支持 200 万字」这句话，跟「能读完 200 万字」是两回事。

所以我干了件很费劲的事：找了一份真·长文档，同一套问题，两家都跑一遍。

▲ 两家长文本能力对比

一、测试设计：别问它「总结一下」

先说我为什么不信「一篇文章总结」这种测法。

你丢 100 万字进去说「帮我总结」，任何模型都会给你一段听起来很对的废话。这不叫读完，这叫猜。

我的测法是问需要定位到具体位置才能答的问题：

1. 定位题：文中第几章提到过某个具体数字？（考验是否真读）

2. 交叉题：把分散在三处的信息拼起来才能答的问题。

3. 反常识题：问一个文中没有写的内容，看它会不会编。

4. 引用题：要求原文照抄某段，不许改写。

第三题最关键。不敢说「文中没有」的模型，前面答对的也可能全是编的。

二、结果：定位题两边都能过，交叉题分出高下

定位题基本打平。你只要在提示词里说清「请指出所在章节和原文片段」，两家都能给出来。

交叉题差距明显：

· 一问跨了三章的信息，Claude 倾向给完整链条，但速度慢；

· Kimi 更快，但偶尔会漏掉一处，需要你追问「还有别的吗」。

反常识题，这是我打分最看重的一题。我故意问了一处文中不存在的内容：

· Claude 明确回答「文档中没有提到」并给出相近内容的位置；

· Kimi 也说了没有，但语气更松，容易让人误以为「大概有」。

引用题，Claude 的原文还原度更好；Kimi 偶尔会把两段拼在一起。

一句话结论：图稳用 Claude，图快用 Kimi，都要复核引用。

▲ 四类题型结果对比

三、真正决定成败的，不是模型，是提问方式

测完我最大的感受：同样一份文档，问法不同，效果差一倍。

三个我固定会用的问法：

第一，先建目录。 别上来就问细节。

先通读全文，只输出文档结构：每章标题 + 一句话说这章讲什么 + 大概篇幅。 不要任何分析。

这一步看起来多余，实际上是让模型先建立「地图」，后面定位才准。

第二，给范围，不给全局。

在第六章「XX」中，作者对【某问题】的结论是什么？请引用原文并标注位置。

比「这篇文档讲了什么」有用一百倍。

第三，逼它承认边界。

回答时遵守：文中没有的信息，直接说"文档中未提及"，不要推测，不要用你的常识补充。

这句加上，编造率肉眼可见下降。

四、长文档的三个实用场景

场景一，读财报。 直接问「营业收入、毛利率、经营现金流分别在第几页，同比变化多少，管理层对下滑的解释原话是什么」。

场景二，读论文。 让它输出「研究问题、方法、数据、结论、局限」五段式，比让它总结强。

场景三，读技术文档。 让它把 API 说明整理成「调用方式 + 参数表 + 返回值 + 常见错误」，直接能复制用。

▲ 三个场景提示词

五、算笔账

这类工具的成本差异很大。我的用法是：先用便宜的做结构拆解和初筛，关键结论再用贵的模型复核。

就像装修：先让学徒量尺寸，老师傅只管最后验收。全让老师傅量，钱花得冤枉；全让学徒干，容易返工。

最后哔哔

一句话结论：长文档能力的关键不在「能塞多少」，在「能不能老老实实说哪句没有」。

测完这轮，我自己的组合是：日常用 Kimi，正式场合用 Claude，引用一律人工核对。

课程指路：