因为它们不是同一份题目简单删长补短。常见12题Dirty Dozen（DD）和27题Short Dark Triad（SD3），对“自恋”选取的内容并不完全相同。即使同一天作答，结果不同也未必说明你变了，更不能直接选高分或低分的那份当真相。
以下对照针对原始开发资料及相应比较研究，不自动适用于任何打着“黑暗三性格测试”名字的改编网页。
都是自恋分项，具体在问什么
| 工具 | 结构 | 自恋内容的侧重点 |
|---|---|---|
| Dirty Dozen，Jonason与Webster，2010 | 总计12题，自恋占4题 | 希望被欣赏、得到关注、追求地位，以及期待特殊待遇 |
| SD3，Jones与Paulhus，2014 | 总计27题，自恋占9题 | 除关注与特殊感外，还涉及自认有领导影响力、在群体中的突出地位等宏大自我描述 |
这里是对内容的概括，不是完整问卷，也不是正式中文译本。DD与SD3的原始条目说明，可以分别见DD开发论文与SD3开发论文附录。
一个人可能很渴望被认可，却不觉得自己能在群体中居于中心；也可能乐于带头、表达自信，却较少期待别人给予特殊优待。这些仅是解释内容差异的假设情形，不是两份量表保证会测出的固定组合。
比较研究发现的差别，不只是“长一点更准”
Maples等人在287名网络社区样本中，直接比较两套短测与较完整工具的关系。该研究发现，SD3的自恋分项主要反映宏大自恋，而DD与宏大、脆弱两类特征都有联系。2014年比较研究。
宏大自恋更涉及优越感、突出自我和地位，脆弱自恋则涉及易受评价威胁、自尊不稳等内容。但“DD与脆弱特征有关”不意味着四道题已经完整测量了脆弱自恋，更不意味着DD高分就是隐性自恋诊断。
后来的法语版本比较研究也指出，两套自恋分项只有中等程度的一致，SD3包含领导等较具适应性的自我描述，DD更集中于寻求关注和特权等内容；同时，研究者提醒具体条目和译本仍需检查。法语SD3与DD对照研究。
这些发现提示我们关注测量范围，而不是宣布某份短测在任何用途、语言和人群中都一定更好。某个条目被译得更强硬或更含糊，也可能改变作答含义。
手上两份结果，该怎样放在一起
先核对确实是DD与SD3，再看各自的版本、计分和参照样本。12题、27题只能提供线索，题量相同不证明内容相同。不要把两张报告里的百分制或百分位直接相减，更没有凭题量就能成立的换算公式。
接着回看差别落在哪里。是更认同被关注和特殊待遇，还是更认同自己出众、能影响群体？保留具体内容，比只写“自恋高了20分”更忠实于现有信息。
如果困扰来自反复的羞耻、评价压力、人际冲突或自尊波动，两套简短分项都不足以解释全部原因。还需要了解这些体验的频率、情境、持续时间和影响，必要时由专业人员评估。不能由短测诊断自恋型人格障碍，也不能凭某项低分排除真实困难。
免费与否是使用条件，不能替代对工具内容的核查。做完短测最有价值的收获，应当是知道自己回答了哪类问题，而不是得到一个看似精确却来源不清的性格结论。