AI 大模型怎麼選：按任務挑，不看排行榜

釋出於 2026-11-09 · 櫻桃茶編輯部

沒有哪個模型在所有活上都是第一，AI 大模型怎麼選，要看你手裡這件活是什麼。我們出了改稿、歸納規則、排日期三道小題，同一份提示詞發給 GPT、Claude、Gemini 和 DeepSeek，三道都沒出錯的只有 Claude Sonnet 5.5，四個裡單價最低的 GPT-6 Luna 在排日期那題上多算了一天。下面先講選之前要想清楚的幾件事，再貼測試原文，最後給一張速查表。只想看結論，直接拉到速查表。

選模型之前，先問自己三個問題

第一，材料有多長。一封郵件、一頁通知，哪個模型都裝得下；一本兩百頁的報告或者一整年的會議紀要，就得看上下文長度（模型一次能讀進去多少內容）。

第二，要不要最新資訊。模型本身的知識有截止日期，問上週發生的事，靠的是聯網搜尋，跟模型聰不聰明關係不大。

第三，要不要看圖或者出文件。截圖、表格照片要視覺能力；想直接拿到一個能下載的 Word 或 PPT，要模型支援工具呼叫。GPT、Claude、Gemini 的區別，很多時候就出在這兩項上，比跑分差幾分更容易踩坑。

想清楚這三條，候選名單通常就剩兩三個了。剩下的，拿自己的真實任務試一次最準。我們這次就是這麼做的。

這次是怎麼測的？

時間是 2026 年 11 月 7 日晚上。我們寫了一份提示詞，裡面放了三道小題，原樣發給 4 個模型：GPT-6 Luna、Claude Sonnet 5.5、Gemini 3.1 Pro、DeepSeek V4 Pro。

幾個條件寫在前面，方便你復現，也方便你判斷這次結果能說明多少：

1. 走的是 API 直接呼叫，不經過任何聊天介面，沒有系統提示詞，沒開聯網。API 裡 Gemini 3.1 Pro 的型號名是 gemini-3.1-pro-preview。
2. 每個模型只問一次，沒有重跑挑好看的結果。輸出上限統一設成 1200 個 token。
3. 思考設定：GPT-6 Luna 關掉思考，Gemini 3.1 Pro 和 DeepSeek V4 Pro 設成低強度，Claude Sonnet 5.5 不設。
4. 原計劃還有 Grok 4.7，這一輪呼叫次數有限，沒測，下文不寫它的結果。

先交代一個翻車。DeepSeek V4 Pro 設了低強度思考，還是把 1200 個 token 全花在了思考上，正式回答一個字都沒出（介面返回的結束原因是長度用盡）。這是我們輸出上限給得太緊，不能說明它答不好，所以下面三道題裡沒有它。你自己測帶思考的模型時，輸出上限記得放寬。

提示詞開頭的作答要求是這樣寫的，三道題的原文放在下面各節：

下面有三道小題，請按順序作答，每題前寫題號。總回答控制在 700 字以內，不要寒暄，不要複述題目。

引數和 4 份原始返回存在我們的測試記錄裡，文末「關於本文」有說明。

改一段囉嗦的通知，誰改得又短又不丟資訊？

題目要求：把下面這段通知改得通順、簡潔，意思不能變，字數不要比原文多。原文 138 個字元（含標點，下同）：

各位同事大家好，關於本週五下午的部門會議的事情，經過領導研究決定，由於會議室在那個時間段已經被其他部門預定了的原因，所以會議時間將會進行調整，調整到下週一的上午十點鐘開始進行召開，地點不變，還是在三樓的小會議室，請大家相互轉告一下，並且提前做好相關的準備工作，謝謝大家的配合。

GPT-6 Luna（73 個字元）：

各位同事：因本週五下午會議室已被其他部門預訂，部門會議調整至下週一上午10點，地點不變，仍在三樓小會議室。請大家相互轉告並提前做好準備，謝謝配合。

Claude Sonnet 5.5（88 個字元，它在末尾還自己附了一句字數說明，這裡沒貼）：

各位同事：因原定本週五下午的部門會議所用會議室已被其他部門預訂，經領導研究決定，會議調整至下週一上午十點召開，地點不變，仍為三樓小會議室。請相互轉告，並提前做好準備，謝謝配合。

Gemini 3.1 Pro（55 個字元，介面返回的文字中間有幾處斷行，摘錄時去掉了斷行，字沒改）：

各位同事：因本週五下午會議室衝突，部門會議改至下週一上午10點，地點不變，請大家相互轉告並做好準備。感謝配合。

三份都通順。差別在刪了什麼。Gemini 刪得最狠，「三樓小會議室」沒了，「被其他部門預訂」壓成了「會議室衝突」；如果這條通知發在一個新同事也在的群裡，他會問在哪開。Luna 刪掉了「經領導研究決定」，這句在有些單位是要保留的。Claude 一個資訊都沒丟，代價是長了一點。

改稿這類活，我們的判斷是：要「短」選 Gemini 或 Luna，要「一個資訊都別丟」選 Claude。改完自己核一遍時間地點，這一步誰都省不了。

一份報銷新規，誰歸納得不漏？

第二題的要求是：列出員工必須知道的全部規則，每條一行，不要漏掉例外和數字。材料原文如下：

從 11 月 1 日起，差旅報銷按新規執行。所有報銷單須在出差結束後 15 個自然日內提交，逾期系統不再受理（因病住院可憑證明延長至 30 天）。住宿標準：北京、上海、廣州、深圳每晚不超過 500 元，其他城市不超過 350 元，超出部分自理。交通方面，高鐵二等座、飛機經濟艙可直接報銷，乘坐一等座需提前一天在系統裡提交申請並獲部門負責人批准。單筆超過 3000 元的報銷，除部門負責人外還需財務經理簽字。發票一律提交 PDF 原件，手機截圖、照片不予受理；海外出差無法取得電子發票的，可用紙質收據加護照入境頁影印件代替。離職員工須在最後工作日前交齊全部報銷單，離職後不再辦理。

這段不到三百字，裡面有 15 天、500 元、3000 元這樣好幾個數字，住院、一等座、海外發票三處例外，開頭還壓著一句生效日期。

Luna 和 Claude 都列全了，Claude 拆成 11 條，Luna 9 條。Gemini 合併成 6 條，數字和例外都在，漏了「11 月 1 日起執行」。這一條看著不起眼，月底有人拿 10 月的票來報，用的就是它。

Luna 有個小毛病：原文寫的是「乘坐一等座需提前一天在系統裡提交申請」，沒說只限高鐵，它寫成了「乘坐高鐵一等座」，自己加了個限定。歸納類任務最怕這種「順手補一句」，讀的人根本看不出來哪句是原文沒有的。

材料再長一些，就輪到上下文長度說話了。下面是這幾個模型在櫻桃茶站內的標註，數字取自站內模型資料，寫作時（2026 年 11 月）：

整本書、一大摞合同這種體量，優先看前兩行。Claude Sonnet 5.5 的 200k 裝一份幾十頁的報告綽綽有餘，但一次塞進十幾份檔案就可能不夠。

多步推理題，誰會算錯？

第三題原文：

一份報告共 40 頁。A 每個工作日寫 4 頁，B 寫 3 頁，C 寫 5 頁。三人從 2026 年 11 月 12 日（週四）開始一起寫，但 C 第一天請假。週六、週日不工作，11 月 16 日（週一）全組培訓停工一天。請問報告在哪一天寫完？寫出簡要計算過程和最終日期（幾月幾日、星期幾）。

正確答案是 11 月 18 日，週三。週四 7 頁，週五 12 頁，累計 19；跳過週末和週一的培訓；週二到 31 頁，週三寫完。

Claude Sonnet 5.5 和 Gemini 3.1 Pro 都答對了，過程也是逐日列的。GPT-6 Luna 答成了 11 月 19 日週四，過程裡有這麼一句：

11月13日累計7頁，11月16日停工；11月17日寫完剩餘33頁中的12頁，11月18日再寫12頁，11月19日寫完最後9頁。

從過程看，它像是把週五當成了開工那天，於是多算出一天。要公平地說，這一輪 Luna 是關著思考跑的，站內對它的說明本來就是「不需要思考的簡單問題，可以把思考關掉」，這道題不算簡單。我們從這裡得出的做法很樸素：凡是涉及日期、金額、多個條件疊加的題，把思考開啟，或者換一個帶思考的模型再算一遍，兩個答案對上了再用。

要看圖、要最新資訊，怎麼辦？

看圖這一項我們這輪沒測，只能告訴你站內的標註：上面表裡 5 個模型都標了能看圖。表格截圖、發票照片這類任務，讀完讓它把關鍵數字列成表，你對著原圖核一遍。

要最新資訊，跟選哪個模型關係不大，看的是用的地方能不能聯網。我們這次測試走 API，沒有聯網；在櫻桃茶的對話裡，問到最新的事會自動聯網並標出處，出處可以點開核對。

AI 大模型怎麼選：一張速查表

下面是編輯部按任務給的推薦。第一行和第四行參考了上面三道題，其餘幾行依據的是上下文長度、各模型站內頁面的定位和廠商官方說法，我們沒有逐個測過。單價是站內標價，單位是站內寫法「點數/千字」，寫作時（2026 年 11 月），以商店頁為準。

幾處補充。Gemini 3.1 Pro 在第二題漏了一條規則，用它讀長材料，最後加一句「對照原文逐段檢查有沒有漏」。它在櫻桃茶上不支援工具呼叫，不能直接生成 Word、Excel、PPT，要出文件，把整理好的要點交給 GPT 或 Claude 系列的模型。GPT-6 Astra 那一行對應的是 OpenAI 自己的說法：Sol 和 Luna 是更快、更便宜的型號，Astra 仍是全系列最強的那個。Claude Sonnet 5.5 在 Anthropic 的釋出頁上被定位成 Opus 5.5 更快、更便宜的搭檔。Google 的釋出文章說，Gemini 3.1 Pro 是為簡單答案不夠用的任務準備的。

按站內標價粗算，用 Luna 寫一篇三千字的稿子，輸出部分不到 10 點數；這是估算，實際按用量扣。

想照這個辦法自己比一次，櫻桃茶的一段對話裡可以中途換模型，同一道題換個模型再問，材料不用重貼，幾個回答都留在同一頁上往回翻就能對照。25 個對話模型的價格和能力，模型廣場裡都列著。

日常怎麼搭配：一個主力，加一個難題備胎

我們建議這麼分。主力用一個便宜、上下文長、能出文件的模型，寫東西、讀材料、出表格都交給它，大部分活到這一步就結束了。碰到兩種情況換人：一是稿子要對外發，換 Claude 再過一遍，專門看有沒有丟資訊；二是涉及數字和日期，開思考重算，或者換一個模型交叉驗證。

沒必要每家都訂。真正有區別的活，一週可能就那麼幾件，為它們各付一份月費不划算；反過來，如果你每天大量寫長文，單訂一家 Claude 也說得過去。這個賬因人而異，我們沒法替你算。

Claude 和 GPT 在寫作、看圖、出文件上的具體分工，站內有一篇按用途寫的Claude 和 ChatGPT 的對比，可以接著看。

常見問題

免費能用哪個？ OpenAI、Anthropic、Google 都有免費檔，額度和能用的模型經常調整，以各家官方頁面為準。免費檔適合先熟悉，正經用來幹活之前，最好拿一件真實任務在付費模型上對比一次。

哪個 AI 最好用？ 沒有通用答案。這次三道題都沒出錯的是 Claude Sonnet 5.5；這幾個裡單價最低、含在無限卡里、能直接出 Word / Excel / PPT 的是 GPT-6 Luna，不過排日期這類多步題，它關著思考答錯了，我們建議開啟思考再問。

跑分排行榜還有沒有參考價值？ 有，用來縮小候選名單可以，用來做最後決定不夠。榜單測的題和你的活不一樣，測的時候開沒開思考、給了多少輸出額度，榜單上也很少寫清楚。這次 Luna 關著思考跑，排日期就錯了；DeepSeek V4 Pro 是我們給的輸出上限太緊，乾脆沒出結果。

櫻桃茶是這些模型的官方產品嗎？ 不是。櫻桃茶不是 OpenAI、Anthropic、Google、xAI 或 DeepSeek 的官方產品，和它們沒有隸屬關係，是通過各家的模型介面接入的。

想拿自己的活試一遍，可以先註冊櫻桃茶，送的 50 點數夠跑幾道題。

參考來源

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. 櫻桃茶站內模型資料（各模型頁的上下文、單價、能力、是否含無限卡），2026-11-07 讀取，入口見正文「模型廣場」。

關於本文

本文由櫻桃茶編輯部撰寫，AI 輔助檢索和起草初稿，編輯逐條核對了來源和資料。文中三道題的提示詞原文、呼叫引數和 4 個模型的原始返回，儲存在編輯部的測試記錄裡，呼叫時間為 2026-11-07 北京時間 19:44 前後，每個模型一次，沒有重跑。

相關閱讀

• GPT-6 版本區別：Luna、Sol、Astra 怎麼選
• Claude 5.5 怎麼選：三款價格和分工
• 國產大模型對比：DeepSeek、GLM、Kimi、MiMo
• Kimi K3 評測：和 GPT、Claude 同題比一比

去模型廣場看全部模型 · AI 課程

Operated by UK Company CHERRYCHAT LTD · Company Number 16096119 · 客服微信 JsnonoChat · 內容由 AI 生成，請仔細甄別