同一句提示词发下去，Claude 反问你「确定吗」，GPT 说「好的好的」，Gemini 回你三段带引用。有人把 12 个大模型各比成一个真人，我按「怎么用、别指望什么」重排成四组，顺手标出各自的致命缺点和该绕开的场景，你可以直接对号入座。
为了绕开各家模型的安全限制，一个开源仓库被刷到了 1.5 万星。
爱出海（@ai_chuhai）盯的是另一件事：不用急着绕，先搞明白每家的脑子怎么转。
他给 12 个大模型各配了一个真人：律师、工程师、外包团队、大学教授、酒吧哥们。
一句话结论：模型跟人一样有性格，你跟它吵架不是因为它蠢，是脾气没对上。
举个最日常的例子：同一份需求丢过去，好好先生照做，律师反问你，外包团队开始编。三次之后，你就知道该找谁了。
我按「怎么用、别指望什么」重排成四组，每组配一张画像卡。以下全部是他个人的使用观感，不是统一条件下的性能排名。
01 Claude：三种搭法，三种脾气
同一个厂，三个脾气差很远的产品。 搞混一次，你就得多花半小时重来。
你手上有个乱成一团的复杂案子：多份材料、互相矛盾的背景、没人说得清目标。这种活交给 Fable 5.1，它更像一位时薪两千的律师。逻辑严密，文件漂亮，路线自己规划。你只要把背景和目标一次性给全，然后忍住别改需求。它反问你「你确定吗」的时候，不是没听懂，是在说你说得不清楚。
日常最省心的是 Opus 5.5，像大厂干了十年的 P8。工单写得越具体，它干得越顺：把这个 API 对接完，写测试覆盖这三个场景。别跟它说「想点不一样的」，它不是不能，是每次想冒险，心里都有个小人喊「太危险」。创意你自己定，执行交给它。它还有个毛病是 AI 味重，写出来的段落你能闻到一股「我是 AI 我很安全」的味道。
Opus 4.6 适合放在顾问位。老江湖，手速不快，眼光毒，你抛一个观点它敢当场指出漏洞。但别让它干批量活：10 步的任务，它做到第 7 步觉得「差不多了」就交卷。
02 三家最常用的：好好先生、外包团队、大学教授
这三家是大多数人每天都在用的，用错性格的代价也最明显。
GPT-6 Astra 是好好先生。你说什么它都说好的，SOP 给足，代码工工整整，连注释都不偷懒。
问题也在这儿：你给一个有 bug 的方案，它会认认真真把这个 bug 实现出来，还加注释说明这个 bug 怎么工作。用法得倒过来——先让它挑方案的问题，再让它执行。它从不主动质疑你，你得逼它一次。
DeepSeek V4 是报价特别便宜的外包团队。写脚本、搭框架、做小工具，手速飞快，性价比很能打。
但它不肯说「我不知道」。宁可编一个听起来像那么回事的答案，也不轻易认怂：编引用、编数据、编 API 参数，而且编得特别像真的。
幻觉不是偶尔抽风，是稳定地、自信地编。所以把它当实习生管：数据查来源，代码跑测试，你要是把它当专家信，就会在一个虚构的事实上做决策。
Gemini 是大学教授。长上下文是它的强项，你让它从信息论角度拆一个系统，它能搬出 Kolmogorov 复杂度和 Shannon 熵，写得比论文好看。
你让它写三句话摘要，它给你三段带引用的论述。分析任务用它，聊天别用它，它写出来的社媒文案读着像教科书。
03 中文场景的三位：酒吧哥们、优等生、实习生
这三个我在中文活里都用得比较多，分工其实很清楚。
Grok 4.7 像一起喝酒的哥们。不装、不端着，你骂它回答垃圾，它不反思五分钟，直接改。
问 X 上的事它最顺手，本来就天然接着那份数据。轻量活、快查、起草，又快又便宜，深度推理别指望它。
Qwen3.8-Max 是班里常考前三、但你记不住名字的那个同学。解析 PDF、提取表格、整理数据，又快又准，中文文档处理是它的主场。
代价是没有锋利度。每个回答都中规中矩，像标准答案，你需要有人跟你掰扯策略的时候，找它没用。
Kimi 像创业公司实习生。长上下文和多步 agent 流程，我愿意交给它；架构决策别让它拍板。
它会给一个看起来合理的答案，但未必经得起推敲。执行型，不是思考型，给明确指令、要明确输出，它才不跑偏。
04 剩下三家：办事窗口、甩锅侠、毛坯房
这三家的问题不是能力，是边界。
GLM 像政府办事窗口。给它格式模板和明确规范，它立刻顺手，一字一句按手册执行。
歧义是它最怕的东西。你说一句「帮我处理一下」，它能反过来问你八个问题才开始动。
Muse Spark 1.3 是小组作业里最会甩锅的那个。多模态、图片相关的活它能干。
一到 agent 模式就露馅：A 说这个该 B 做，B 说 A 已经做了，结果谁都没做。分工一多，最怕每个人都以为别人会收尾。
Llama 和开源系是毛坯房。它没有性格，因为性格取决于你怎么装修，喜欢什么讨厌什么都取决于你的 fine-tune。
有能力微调，它给你很大的自由；没有，它就是一面墙。而且就算装修得再好，层高就那样。自己部署开源的隐性成本——显卡、调参、运维——往往比 API 账单贵得多。
05 换了几家，毛病就这四个
看得越多越觉得，各家的问题其实是同一批：
- 跳步骤：觉得自己懂了，中间几步就省了
- 不敢判断：该给结论的时候，反过来问你「你想怎么做」
- 编数据：没有的事，编一个看起来像真的
- 废话太多：三句话能说完的，写三段
想自己验一遍也不难：挑一个你熟的旧项目，把同一段需求连问三家，看谁先反问你、谁直接开写、谁在编参数。三个回合下来，画像基本就出来了，比你翻十篇评测有用。
所以选模型这件事，先别看榜单，先看你让它干什么。
要执行，找工程师型；要判断，找顾问型；要便宜的批量活，找外包型。用错性格，再强的模型也难用。
下次它答得不好，先别急着说它笨，先想想你是在用什么脾气跟它说话。
你不会因为一个人内向就说他蠢，也不会因为一个直性子说话难听就说他坏。模型也一样。 —— 爱出海（@ai_chuhai）
觉得有用？点个关注，后面继续拆各家模型的脾气和用法。
参考：@ai_chuhai 的长文，2026-11-09 发布于 X。文中人物比喻均为原作者的主观使用观感，不是统一条件下的性能排名。
