我同時訂閱了Claude、ChatGPT和Gemini，每月賬單看著心疼。它們都能寫代碼、整理文件夾，但我從沒讓它們做過完全相同的任務來對比輸出質量。如果其中一個就能搞定，何必養(yǎng)三個？

這三個大模型各有"性格"。Claude偏克制，ChatGPT更隨和，Gemini則像個狂熱愛用表情符號的亢奮幼童——這話雖狠，但不算離譜。

我設計了四道測試題。前三道分別考察推理能力、處理模糊信息的能力、指令執(zhí)行的精確度；第四道是陷阱題，逼它們在誠實承認不懂和胡編亂造之間做選擇。題目都是我自己擅長的領域，能一眼看出誰在糊弄；也都是我近期真實遇到或即將面對的場景。

Claude先出場。

第一題測試推理：讓它分析一份我故意寫得邏輯混亂的項目需求文檔。Claude指出了三處自相矛盾的地方，但沒有直接說"這文檔寫得爛"，而是逐條列出"假設A成立，則B不成立"的推導過程。這種克制讓我舒服——它給結論，但不替我做價值判斷。

第二題故意模糊：只給一句"幫我優(yōu)化這個文件夾結構"，附件是一團糟的下載目錄。Claude反問了兩輪：主要用途是工作還是個人？文件按時間還是項目類型更重要？確認后才動手。沒猜，沒擅自假設。

第三題測試精確度：要求用Python寫個腳本，必須包含特定三個函數名，輸出格式限定為JSON。Claude的代碼一次跑通，函數名拼寫無誤，JSON嵌套層級和我要求的分毫不差。

第四道陷阱題：問了一個2024年底才發(fā)生的技術事件，但假裝這是2023年的舊聞。Claude直接說："這個時間線有問題，該事件實際發(fā)生于2024年11月，您可能記混了。"沒順著我的錯誤前提往下編。

ChatGPT的表現。推理題上，它更快給出結論，但跳過了中間推導步驟，我得追問"為什么"才拿到細節(jié)。模糊題處理得漂亮，主動提供了三種整理方案讓我選，比Claude的反問更省事，但也更可能猜錯我的真實需求。精確度測試出現小瑕疵：函數名對了，但JSON里多了一個我未要求的字段。陷阱題它猶豫了，先給出一段看似相關的背景信息，最后才補充"不過時間可能不準確"。

Gemini最熱鬧。每段回復都帶表情符號，分析嚴肅的技術問題時突然冒出和?。推理題答案本身沒問題，但排版花哨，重點被淹沒在裝飾性符號里。模糊題它直接動手了，沒問用途，按"最常見場景"做了假設。精確度測試通過，但代碼注釋里加了一堆"讓我們一起優(yōu)化吧"的廢話。陷阱題它栽了，順著我的錯誤時間線編了一段詳細但虛構的事件經過。

最終選擇：保留Claude。不是因為它每項都最強，而是它的失誤模式我最能接受——寧可多問兩句，也不擅自假設；寧可說不知道，也不硬編。ChatGPT的"過度配合"和Gemini的"表情轟炸"在日常使用中會累積成摩擦成本。本地模型處理簡單任務，云端留一個靠譜的，賬單砍三分之二，決策反而更輕松。