AI 大模型怎么选：按任务挑，不看排行榜

发布于 2026-11-09 · 樱桃茶编辑部

没有哪个模型在所有活上都是第一，AI 大模型怎么选，要看你手里这件活是什么。我们出了改稿、归纳规则、排日期三道小题，同一份提示词发给 GPT、Claude、Gemini 和 DeepSeek，三道都没出错的只有 Claude Sonnet 5.5，四个里单价最低的 GPT-6 Luna 在排日期那题上多算了一天。下面先讲选之前要想清楚的几件事，再贴测试原文，最后给一张速查表。只想看结论，直接拉到速查表。

选模型之前，先问自己三个问题

第一，材料有多长。一封邮件、一页通知，哪个模型都装得下；一本两百页的报告或者一整年的会议纪要，就得看上下文长度（模型一次能读进去多少内容）。

第二，要不要最新信息。模型本身的知识有截止日期，问上周发生的事，靠的是联网搜索，跟模型聪不聪明关系不大。

第三，要不要看图或者出文件。截图、表格照片要视觉能力；想直接拿到一个能下载的 Word 或 PPT，要模型支持工具调用。GPT、Claude、Gemini 的区别，很多时候就出在这两项上，比跑分差几分更容易踩坑。

想清楚这三条，候选名单通常就剩两三个了。剩下的，拿自己的真实任务试一次最准。我们这次就是这么做的。

这次是怎么测的？

时间是 2026 年 11 月 7 日晚上。我们写了一份提示词，里面放了三道小题，原样发给 4 个模型：GPT-6 Luna、Claude Sonnet 5.5、Gemini 3.1 Pro、DeepSeek V4 Pro。

几个条件写在前面，方便你复现，也方便你判断这次结果能说明多少：

1. 走的是 API 直接调用，不经过任何聊天界面，没有系统提示词，没开联网。API 里 Gemini 3.1 Pro 的型号名是 gemini-3.1-pro-preview。
2. 每个模型只问一次，没有重跑挑好看的结果。输出上限统一设成 1200 个 token。
3. 思考设置：GPT-6 Luna 关掉思考，Gemini 3.1 Pro 和 DeepSeek V4 Pro 设成低强度，Claude Sonnet 5.5 不设。
4. 原计划还有 Grok 4.7，这一轮调用次数有限，没测，下文不写它的结果。

先交代一个翻车。DeepSeek V4 Pro 设了低强度思考，还是把 1200 个 token 全花在了思考上，正式回答一个字都没出（接口返回的结束原因是长度用尽）。这是我们输出上限给得太紧，不能说明它答不好，所以下面三道题里没有它。你自己测带思考的模型时，输出上限记得放宽。

提示词开头的作答要求是这样写的，三道题的原文放在下面各节：

下面有三道小题，请按顺序作答，每题前写题号。总回答控制在 700 字以内，不要寒暄，不要复述题目。

参数和 4 份原始返回存在我们的测试记录里，文末「关于本文」有说明。

改一段啰嗦的通知，谁改得又短又不丢信息？

题目要求：把下面这段通知改得通顺、简洁，意思不能变，字数不要比原文多。原文 138 个字符（含标点，下同）：

各位同事大家好，关于本周五下午的部门会议的事情，经过领导研究决定，由于会议室在那个时间段已经被其他部门预定了的原因，所以会议时间将会进行调整，调整到下周一的上午十点钟开始进行召开，地点不变，还是在三楼的小会议室，请大家相互转告一下，并且提前做好相关的准备工作，谢谢大家的配合。

GPT-6 Luna（73 个字符）：

各位同事：因本周五下午会议室已被其他部门预订，部门会议调整至下周一上午10点，地点不变，仍在三楼小会议室。请大家相互转告并提前做好准备，谢谢配合。

Claude Sonnet 5.5（88 个字符，它在末尾还自己附了一句字数说明，这里没贴）：

各位同事：因原定本周五下午的部门会议所用会议室已被其他部门预订，经领导研究决定，会议调整至下周一上午十点召开，地点不变，仍为三楼小会议室。请相互转告，并提前做好准备，谢谢配合。

Gemini 3.1 Pro（55 个字符，接口返回的文字中间有几处断行，摘录时去掉了断行，字没改）：

各位同事：因本周五下午会议室冲突，部门会议改至下周一上午10点，地点不变，请大家相互转告并做好准备。感谢配合。

三份都通顺。差别在删了什么。Gemini 删得最狠，「三楼小会议室」没了，「被其他部门预订」压成了「会议室冲突」；如果这条通知发在一个新同事也在的群里，他会问在哪开。Luna 删掉了「经领导研究决定」，这句在有些单位是要保留的。Claude 一个信息都没丢，代价是长了一点。

改稿这类活，我们的判断是：要「短」选 Gemini 或 Luna，要「一个信息都别丢」选 Claude。改完自己核一遍时间地点，这一步谁都省不了。

一份报销新规，谁归纳得不漏？

第二题的要求是：列出员工必须知道的全部规则，每条一行，不要漏掉例外和数字。材料原文如下：

从 11 月 1 日起，差旅报销按新规执行。所有报销单须在出差结束后 15 个自然日内提交，逾期系统不再受理（因病住院可凭证明延长至 30 天）。住宿标准：北京、上海、广州、深圳每晚不超过 500 元，其他城市不超过 350 元，超出部分自理。交通方面，高铁二等座、飞机经济舱可直接报销，乘坐一等座需提前一天在系统里提交申请并获部门负责人批准。单笔超过 3000 元的报销，除部门负责人外还需财务经理签字。发票一律提交 PDF 原件，手机截图、照片不予受理；海外出差无法取得电子发票的，可用纸质收据加护照入境页复印件代替。离职员工须在最后工作日前交齐全部报销单，离职后不再办理。

这段不到三百字，里面有 15 天、500 元、3000 元这样好几个数字，住院、一等座、海外发票三处例外，开头还压着一句生效日期。

Luna 和 Claude 都列全了，Claude 拆成 11 条，Luna 9 条。Gemini 合并成 6 条，数字和例外都在，漏了「11 月 1 日起执行」。这一条看着不起眼，月底有人拿 10 月的票来报，用的就是它。

Luna 有个小毛病：原文写的是「乘坐一等座需提前一天在系统里提交申请」，没说只限高铁，它写成了「乘坐高铁一等座」，自己加了个限定。归纳类任务最怕这种「顺手补一句」，读的人根本看不出来哪句是原文没有的。

材料再长一些，就轮到上下文长度说话了。下面是这几个模型在樱桃茶站内的标注，数字取自站内模型数据，写作时（2026 年 11 月）：

整本书、一大摞合同这种体量，优先看前两行。Claude Sonnet 5.5 的 200k 装一份几十页的报告绰绰有余，但一次塞进十几份文件就可能不够。

多步推理题，谁会算错？

第三题原文：

一份报告共 40 页。A 每个工作日写 4 页，B 写 3 页，C 写 5 页。三人从 2026 年 11 月 12 日（周四）开始一起写，但 C 第一天请假。周六、周日不工作，11 月 16 日（周一）全组培训停工一天。请问报告在哪一天写完？写出简要计算过程和最终日期（几月几日、星期几）。

正确答案是 11 月 18 日，周三。周四 7 页，周五 12 页，累计 19；跳过周末和周一的培训；周二到 31 页，周三写完。

Claude Sonnet 5.5 和 Gemini 3.1 Pro 都答对了，过程也是逐日列的。GPT-6 Luna 答成了 11 月 19 日周四，过程里有这么一句：

11月13日累计7页，11月16日停工；11月17日写完剩余33页中的12页，11月18日再写12页，11月19日写完最后9页。

从过程看，它像是把周五当成了开工那天，于是多算出一天。要公平地说，这一轮 Luna 是关着思考跑的，站内对它的说明本来就是「不需要思考的简单问题，可以把思考关掉」，这道题不算简单。我们从这里得出的做法很朴素：凡是涉及日期、金额、多个条件叠加的题，把思考打开，或者换一个带思考的模型再算一遍，两个答案对上了再用。

要看图、要最新信息，怎么办？

看图这一项我们这轮没测，只能告诉你站内的标注：上面表里 5 个模型都标了能看图。表格截图、发票照片这类任务，读完让它把关键数字列成表，你对着原图核一遍。

要最新信息，跟选哪个模型关系不大，看的是用的地方能不能联网。我们这次测试走 API，没有联网；在樱桃茶的对话里，问到最新的事会自动联网并标出处，出处可以点开核对。

AI 大模型怎么选：一张速查表

下面是编辑部按任务给的推荐。第一行和第四行参考了上面三道题，其余几行依据的是上下文长度、各模型站内页面的定位和厂商官方说法，我们没有逐个测过。单价是站内标价，单位是站内写法「积分/千字」，写作时（2026 年 11 月），以商店页为准。

几处补充。Gemini 3.1 Pro 在第二题漏了一条规则，用它读长材料，最后加一句「对照原文逐段检查有没有漏」。它在樱桃茶上不支持工具调用，不能直接生成 Word、Excel、PPT，要出文件，把整理好的要点交给 GPT 或 Claude 系列的模型。GPT-6 Astra 那一行对应的是 OpenAI 自己的说法：Sol 和 Luna 是更快、更便宜的型号，Astra 仍是全系列最强的那个。Claude Sonnet 5.5 在 Anthropic 的发布页上被定位成 Opus 5.5 更快、更便宜的搭档。Google 的发布文章说，Gemini 3.1 Pro 是为简单答案不够用的任务准备的。

按站内标价粗算，用 Luna 写一篇三千字的稿子，输出部分不到 10 积分；这是估算，实际按用量扣。

想照这个办法自己比一次，樱桃茶的一段对话里可以中途换模型，同一道题换个模型再问，材料不用重贴，几个回答都留在同一页上往回翻就能对照。25 个对话模型的价格和能力，模型广场里都列着。

日常怎么搭配：一个主力，加一个难题备胎

我们建议这么分。主力用一个便宜、上下文长、能出文件的模型，写东西、读材料、出表格都交给它，大部分活到这一步就结束了。碰到两种情况换人：一是稿子要对外发，换 Claude 再过一遍，专门看有没有丢信息；二是涉及数字和日期，开思考重算，或者换一个模型交叉验证。

没必要每家都订。真正有区别的活，一周可能就那么几件，为它们各付一份月费不划算；反过来，如果你每天大量写长文，单订一家 Claude 也说得过去。这个账因人而异，我们没法替你算。

Claude 和 GPT 在写作、看图、出文件上的具体分工，站内有一篇按用途写的Claude 和 ChatGPT 的对比，可以接着看。

常见问题

免费能用哪个？ OpenAI、Anthropic、Google 都有免费档，额度和能用的模型经常调整，以各家官方页面为准。免费档适合先熟悉，正经用来干活之前，最好拿一件真实任务在付费模型上对比一次。

哪个 AI 最好用？ 没有通用答案。这次三道题都没出错的是 Claude Sonnet 5.5；这几个里单价最低、含在无限卡里、能直接出 Word / Excel / PPT 的是 GPT-6 Luna，不过排日期这类多步题，它关着思考答错了，我们建议打开思考再问。

跑分排行榜还有没有参考价值？ 有，用来缩小候选名单可以，用来做最后决定不够。榜单测的题和你的活不一样，测的时候开没开思考、给了多少输出额度，榜单上也很少写清楚。这次 Luna 关着思考跑，排日期就错了；DeepSeek V4 Pro 是我们给的输出上限太紧，干脆没出结果。

樱桃茶是这些模型的官方产品吗？ 不是。樱桃茶不是 OpenAI、Anthropic、Google、xAI 或 DeepSeek 的官方产品，和它们没有隶属关系，是通过各家的模型接口接入的。

想拿自己的活试一遍，可以先注册樱桃茶，送的 50 积分够跑几道题。

参考来源

1. OpenAI，Introducing GPT-6 Sol and Luna，2026-09。https://openai.com/index/introducing-gpt-6-sol-and-luna/
2. Anthropic，Claude Sonnet 5.5，2026-09-28。https://www.anthropic.com/claude-sonnet-5-5
3. Google，Gemini 3.1 Pro: A smarter model for your most complex tasks，2026-02-19。https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/
4. 樱桃茶站内模型数据（各模型页的上下文、单价、能力、是否含无限卡），2026-11-07 读取，入口见正文「模型广场」。

关于本文

本文由樱桃茶编辑部撰写，AI 辅助检索和起草初稿，编辑逐条核对了来源和数据。文中三道题的提示词原文、调用参数和 4 个模型的原始返回，保存在编辑部的测试记录里，调用时间为 2026-11-07 北京时间 19:44 前后，每个模型一次，没有重跑。

相关阅读

• GPT-6 版本区别：Luna、Sol、Astra 怎么选
• Claude 5.5 怎么选：三款价格和分工
• 国产大模型对比：DeepSeek、GLM、Kimi、MiMo
• Kimi K3 评测：和 GPT、Claude 同题比一比

去模型广场看全部模型 · AI 课程

Operated by UK Company CHERRYCHAT LTD · Company Number 16096119 · 客服微信 JsnonoChat · 内容由 AI 生成，请仔细甄别