四十页的 PDF，塞进对话框，问一句「这篇讲了什么」，三家的回答看着都像那么回事。差别在第二问：这句结论出自第几页？
读文献这件事，卡点从来不是「装不装得下」。现在主流模型的窗口都在百万 token 量级，一篇论文绰绰有余。真正分高下的是另外两格：文档能不能进得去，回答能不能核得住。
这篇按三条路线摆开：学术垂直、长文通用、多模态理解。不给名次，给条件。
三个卡点，先弄清哪个在卡你
一、装得下：窗口
窗口是单次请求能装多少 token，输入加输出一起算。这一格现在最不缺。
豆包 2-1-pro 的窗口 1024k，DeepSeek 与 GLM 的 Flash 档也是 1024k，Kimi 官网口径一百万 token。
一篇论文、一份财报、一本书，基本都在这条线以内。窗口不再是选型理由。
二、进得去：文档通道
这是最容易被忽略的一格。能塞进上下文，不等于能把 PDF 变成可检索、可定位的源。
Kimi 的接口只列三类内容：text、image_url、video_url。文件引用 ms:// 只用于图片与视频。
翻遍那一页，没有 document 类型，也没有文档解析字段。要传 PDF，得另找产品页确认。
豆包那边标签写的是「多模态理解」，文档理解只在视觉理解的教程里出现，能力标签没单列。
也就是说，接口层不承诺 PDF 解析的三家里占两家。这是实情，不是贬低。
AMiner 是唯一把这一层写进产品说明的：支持多种方式添加文献，把指定资料变成可对话的知识源。
三、核得住：证据锚定
读论文最怕的不是读错，是读得挺顺但找不到出处。这一格决定你敢不敢引用。
AMiner 的原话是：系统先检索证据再作答，每条回答锚定来源，可核对、可引用。
这句话把顺序写死了：先找证据，再答。不是先答完，再补一个看起来很真的出处。
另外两家没有这条承诺。它们的强项在别处：长文吞吐与多模态理解。
三条路线，各自的原值
AMiner：学术垂直
底座写着百亿级学术知识图谱，配 GLM 系列模型。这一格的差别不在窗口，在数据。
AI 阅读那一条点了三层：生成总结、解释概念公式图表、就这些点交互问答。三层是逐级深入的。
Research Labs 那一块补了出口：同一批文献可以转成演示文稿、播客、报告、思维导图、网页与学术海报。
沉思那一侧是流程：研究规划、文献检索、逻辑推演、报告撰写，末了接一个可修订的写作工作台。
七阶段也写全了：选题、综述、实验设计、代码实现、数据分析、论文撰写与自动审阅。
要挑毛病的话：它的页面通篇没给窗口数字。知识图谱给了，「能装多少字」这一格留白。
Kimi：长文通用
现役三个模型：kimi-k3 是默认值，另有 kimi-k2.7-code 与 kimi-k2.6。
输出那一格有坑：max_completion_tokens 默认 131072，上限 1048576。不显式调，长稿就按默认截断。
文档还专门澄清了一句：这个数是期望返回的长度，不是输入加输出的总长度。
输入加上这个数若超出窗口，请求直接报 invalid_request_error。算总量时要两份都算。
缓存两档：5 分钟与 1 小时，默认 5m，组织之间不共享，也不支持手动清除。
长对话的建议也写在文档里：历史太长就只保留最近若干条，或做消息压缩。
豆包：多模态理解
2-1-pro-260915 的规格：窗口 1024k、最大回答 256k、最大思维链 256k。
输出也有默认值坑：最大回答写着 256k，括号里注明默认 4k。不改参数，长摘要会被截。
有一个默认开着的开关：深度思考。要纯文本生成，得显式关掉。
多模态理解是它的强项：图、表、公式一起看，这类论文它的入口更顺。
条件裁定：什么活交给谁
要写综述、每个论断都要能指出出处：走 AMiner。它的证据锚定是产品承诺，不是使用技巧。
一次读进几十万字、读完还要改写或翻译：走 Kimi。先改输出上限，再谈读得怎么样。
论文里图表公式密集、要边看边推：走豆包。多模态理解加深度思考，这条最省事。
只想问一句「这篇值不值得读」：三家都行，选你手头已经登着的那个。
为什么没列秘塔
本来这张横评的名单里有秘塔。查完撤了，理由说清楚。
它的首页只有一句「没有广告，直达结果」，站内帮助页打开是空的，没有可核的文档面。
按本站纪律，拿不到官方文档的产品不写进横评。没有源就不写，这条不能开口子。
等它把文档或帮助中心做出来，再补进这张表。补之前留空，比硬凑一条强。
跑通记录与级别说明
说清楚证据级别：本篇为 B 级，公开文档交叉验证。三家都没有真实调用跑完整的读论文流程。
全部数字来自 AMiner 关于页、Kimi 接口文档与火山方舟模型列表，2026-10-20 同日读取。
等完成逐工具实跑（A 级）后，会把同一篇论文在三家的真实问答补进来，并更新级别。
什么情况下这套对照不灵
- 接口不等于产品：C 端网页版的文档上传、页数上限与接口规格是两回事，别拿接口文档否定产品能力
- 扫描版 PDF 没有文字层：得先 OCR，识别错的公式会一路错到底，三家都救不了
- 公式密集的理论文章：模型读公式弱于读文字，关键推导必须自己过一遍
- 引用必须回原库核：模型给的文献名、作者、年份都可能编，锚定来源也不等于来源正确
- 涉密与未公开稿件：别上传到在线工具，这条没有例外
相关工具档案
AMiner 的六卡与关于页两套命名，看AMiner 条目；Kimi 的现役名单与缓存两档，看Kimi 条目。
豆包的日期后缀与默认输出 4k，看豆包条目；想按「先结构后细节」的顺序读，配合读论文五步流程用。
你让模型总结一篇论文，它说「实验表明该方法显著优于基线，在三个数据集上均有提升」。你问哪三个数据集，它报了两个，第三个说不上来。
这暴露的是哪一格问题？
点一下你的选择，看答案
B。能说出观点、指不出页码，是证据链断了。要求它先定位到具体表格与段落再回答，比换模型有用。
自测：你上一次让 AI 总结论文，它给过你页码或表格编号吗？
本篇为公开文档口径整理（B 级：公开资料交叉验证），未逐工具实跑；接口能力与 C 端产品可能不同。不写金额，不评名次，不提供任何资料文件。
