用了半年不同 AI 模型后，我的选择标准变了

年初的时候，我仍然会认真阅读每一次模型发布的榜单，试图找出一个“最强模型”。用了半年之后，我的选择标准发生了很大变化：我不再希望一个模型包办全部工作，而是更在意它是否适合当前任务。

这种变化并不是因为模型差距缩小到完全相同，而是因为模型能力已经足够复杂，单一排名越来越难描述真实体验。

写作：自然不等于正确#

写作时，我更重视语气、结构和修改能力。Claude 往往能给出比较连贯的长文，GPT 在按照明确要求调整结构时很稳定，Gemini 适合把多份资料合并整理，中文开源模型在中文表达和本地处理上也越来越实用。

但无论使用哪个模型，我都不会直接发布第一次生成的文章。AI 很容易写出“读起来正确”的句子，其中却没有具体信息。真正有个人风格的部分，通常来自自己的经历、判断和删改。

编程模型最让我改变看法的一点，是生成速度并不等于完成速度。

一个模型可以在几十秒内写出几百行代码，但如果它没有阅读项目规则、没有运行构建，也没有检查页面，后续修复可能需要更长时间。相比之下，一个先搜索再修改、最后主动验证的模型，即使过程慢一些，也更值得信任。

因此我现在会观察模型是否做到：

模型很擅长把信息组织成清晰答案，但越流畅的回答，越容易让人忘记检查来源。

涉及版本、价格、政策和发布日期时，我会优先选择能够联网并提供引用的产品。模型负责缩小搜索范围和比较观点，最终事实仍然回到原始文档确认。

如果一个答案无法说明信息来自哪里，我会把它当作线索，而不是结论。

处理个人笔记、账号信息和内部文件时，我会优先考虑数据去向。即使云端模型能力更强，也不代表所有资料都应该上传。

本地模型不一定能完成最复杂的推理，却很适合分类、摘要、格式转换和知识库检索。对这些任务来说，隐私和可控性比多几个榜单分数重要。

我还会保留一组自己的测试任务。每次遇到新模型，先用真实问题测试，而不是跟着官方演示得出结论。适合别人的模型，不一定适合我的工作方式。

模型更新速度还会继续加快，“版本答案”的有效期只会越来越短。与其记住每一代模型的排名，不如建立一套稳定的选择标准。

我现在最看重的是可靠性、工具能力、成本、隐私和可验证性。模型名称排在这些因素之后。

AI 最有价值的状态，不是让人每天纠结应该选择谁，而是在需要时自然地成为工作流程的一部分。