DeepSeek vs Kimi：中文知识工作、资料问答和结构化输出怎么选

SOURCE NOTES

对比要点

• 本次 DS 指 DeepSeek，比较范围是 V4-Flash／Pro 与 Kimi K3 的 API 文档，而不是两个聊天网站的会员体验。[1][4]
• DeepSeek V4 提供思考与非思考模式；Kimi K3 始终进行推理。双方都有长上下文与工具接入，但会话参数不能盲目照搬。[2][5]
• 中文写作、表格抽取与资料问答不是一个指标。本次没有执行跨模型测评，因此不宣称任何一家“中文最强”。

关键差异对照

窄屏可左右滑动查看完整表格。

模享解读 · 非原文观点

一份中文测试集，分开看三种能力

中文文案测试可要求保留事实、限制字数、改写语气并拒绝夸大宣传；资料问答测试可要求对应段落和未知项；结构化抽取测试则检查日期、金额、空值及 JSON 字段。不要因为一段文字更流畅，就推断它在所有任务上更可靠。

我们建议将人工返工量纳入试用记录。对含扫描件的任务，还应保证比较对象确实具备相同输入条件；如果一方先经过 OCR，另一方直接看图，应在结果里说明差别。用户数据应先脱敏，再进入任何第三方接口。

可以从这份清单开始

1. 固定 API 模型版本，不用品牌名代替。
2. 分别评估写作、问答和结构化抽取。
3. 统一 OCR、检索与提示条件。
4. 记录错误类型、返工时间和总费用。