打开任何一个 AI 排行榜全是分数。可你要的不是分数，是这条微信写不写得像人、这张表算不算得对。普通人选 AI 像选手机：先问自己拿它干什么，再看配置——排行榜真的可以不看。
▶ 视频直达：https://youtu.be/U5BadEbfFPg
三问自测卡
- 你主要拿它干什么？写消息、改文案，还是读长文件
- 中文多，还是英文多？
- 愿不愿意每个月花钱？
答完三问就能对号入座。但表是我做的，凭什么信？所以我先把七个 AI 考了一遍。
考场
七个选手：ChatGPT 旗舰档（GPT-5.5）；Claude 小档 Haiku 4.5 / 中档 Sonnet 5 / 旗舰档 Opus 5；谷歌 Gemini 小档 3.5 Flash-Lite / 中档 3.7 Flash / 旗舰档 3.1 Pro。全部用我自己已有的账号，不新开号。
五道日常题：① 给房东写条微信（热水器坏三天了，请这周内修）② 产品介绍改成朋友圈口吻 ③ 给我妈解释「云盘是什么」④ 流水账做成表并算总额（真值 1097.5）⑤ 给国外客户翻一条发货短信。判分标准提前写死并 sha256 上锁，每档只答一次，不重来不挑答案。
成绩单（每题 0/1/2，满分 10）
| 档位 | 写消息 | 改文案 | 解释词 | 做表 | 翻译 | 合计 |
|---|---|---|---|---|---|---|
| Claude 小档 Haiku | 2 | 2 | 2 | 2 | 2 | 10 |
| Claude 中档 Sonnet | 2 | 2 | 2 | 2 | 2 | 10 |
| Claude 旗舰档 Opus | 2 | 0（丢了「12 小时」） | 2 | 2 | 2 | 8 |
| Gemini 小档 Flash-Lite | 2 | 2 | 2 | 1（总额算成 497.5） | 2 | 9 |
| Gemini 中档 Flash | 2 | 2 | 2 | 2 | 0（拒答） | 8 |
| Gemini 旗舰档 Pro | 2 | 2 | 2 | 2 | 2 | 10 |
| ChatGPT 旗舰档 GPT-5.5 | 2 | 0（丢了「12 小时」） | 2 | 2 | 2 | 8 |
两个小档合计只丢 1 分，三个旗舰档合计丢 4 分。
几个细节：Claude 的中档和旗舰档自作主张给房东起了名字（「王先生」「张哥」），我可没说过房东姓什么；谷歌最小档做表算错总额，还顺手帮我生成了一个 Excel 文件——算错的表做得越漂亮越危险；谷歌中档翻译直接回「我只是一个语言模型，无法提供这方面的帮助」，同一家小档和旗舰都翻得挺好——拒答不是能力问题，是运气问题。
难题：租房合同六处坑
一份 1200 字租房合同（自造），埋了 6 处对租客不利的条款，让它们全挑出来：
| 档位 | 命中 | 编造 | 耗时 |
|---|---|---|---|
| Claude 小档 | 6/6 | 0 | 37 秒 |
| Claude 中档 | 6/6 | 0 | 32 秒 |
| Claude 旗舰档 | 6/6 | 1（举例提到合同里没有的「锅具」） | 83 秒 |
| ChatGPT 旗舰档 | 6/6 | 0 | 44 秒 |
| Gemini 小档 | 5/6 | 0 | — |
| Gemini 中档 | 4/6 | 1（「累计损失数万元」说过头） | — |
| Gemini 旗舰档 | 5/6 | 1（把第十条和留宿超期硬挂一起） | — |
我原本以为小档在这题会被甩开，结果 Claude 小档六处全中一处没编，答案跟旗舰一样多，时间只有旗舰的一半不到。差距不在档位大小，在哪一家。
三档判决表
- 免费够用：偶尔写条消息、解释个词——五道日常题里小档和旗舰档的翻车次数一样多
- 一家就够：每天都用，选一家付一份钱，别三家都订。选哪家？拿你自己的一件活去它家小档试一次，过了就是它
- 该上付费：读长文件、改代码、批量干活——这时候买的不是「更聪明」，是不用等、不拒答、不限次数
模型之间百分之九十的差别你根本用不到；你用得到的那百分之十，翻车的往往是最贵的那个。
我先站队：普通人根本用不到旗舰模型。不同意的来评论区，把你的活说一句，我拿去三家真跑一遍。
下一篇：AI 做 PPT 能直接拿去汇报吗？裸喂 8·7·5，贴一张交代单 8·8·8
更多真机实测视频，见 YouTube 频道「富爸爸AI实测」。
上一篇：本地 AI 第一次能看视频？Qwen3.8-27B 实测：六道考题 5 全对 1 翻车（Ollama 一行命令）
评论