事情是这样的。前几天我跟一个做AI开发的朋友吃饭，他跟我吹他用的那套AI多厉害，说完还抛给我一个问题：

「你觉得现在这些大模型，回答同一个问题，差距到底有多大？」

我当时的反应是：这个问题问得好啊，但我没想过。于是我决定认真做个实验——找了三个市面上最主流的AI工具，问它们同一个问题，看看到底能差多少。

实验设置：同样的问题，不同的脑子

我选的问题要满足几个条件：

• 不能太简单，否则大家都能答好看不出差距
• 不能太专业，否则只有某个领域的AI占优势
• 要有一定的创意空间，让AI有发挥余地

最终我选定了这个问题：

「用一段话讽刺一下AI工具买了一堆，但工作还是自己做这种当代职场现象，要有梗，要有深度，不能太水。」

这个问题看起来简单，但其实很考验AI的三个能力：理解能力（能不能理解这种讽刺语境）、表达能力（能不能写出有意思的句子）、判断力（能不能拿捏好吐槽的分寸）。

三个AI分别是：某知名大厂的旗舰模型、某开源界扛把子、还有一个是国产之光。我就不点名了，省得说我打广告。

测试结果：不比不知道，一比吓一跳

先说A模型。回答倒是通顺，但怎么说呢——「这个现象确实存在」「我们应该理性看待」「建议合理规划时间」。我看完就一个感受：这位AI朋友，你是在写年终总结吗？整个回答就像一个刚学会「高级词汇」的乖学生，小心翼翼，不敢越雷池半步。讽刺？你讽刺了个寂寞。

B模型明显不一样。它上来先来了句：「买了一堆AI工具，最后发现最靠谱的AI还是自己的大脑。」然后继续往下写，有几个比喻还挺有意思的。整体有观点，有态度，不是一味的和稀泥。但读到后面，发现一个问题——它开始总结「解决方案」了，从讽刺直接跳到「建议」，像是一篇被强行续写的作文，头和屁股对不上。

C模型是这三个里最让我意外的。它是这么写的：

「我的AI助理比我先学会了摸鱼，我的提示词模板比我的工作计划还详细，但最后执行任务的，还是我这个血肉之躯。」

读完我愣了一下。不是因为它写得多华丽，而是因为它精准——「提示词模板比工作计划还详细」这个细节，明显来自真实观察，不是闭门造车。而且它没有跳出来给解决方案，就让讽刺停在那个点，让你自己品。这种克制感，反而让力度更强。

我发现了三件事

实验做完之后，我总结了几个有意思的发现：

第一，同一个问题，AI的「性格」差异比我想的大得多。有的AI偏保守，有的AI偏激进，有的AI喜欢给答案，有的AI喜欢把问题扔回给你。这种「性格」很大程度上取决于训练数据和RLHF（基于人类反馈的强化学习）的取向。这就是为什么同一个模型在不同场景下表现差异巨大——你用对了场景，它是天才；用错了场景，它就是人工智障。

第二，「理解讽刺」这件事，AI普遍做得还不够好。讽刺的本质是「正话反说」，但很多AI在处理这类问题时，要么直接当成正面陈述来回应（所以A模型写得像年终总结），要么跑偏到另一个极端（为了显得「有个性」而过度发挥）。真正能精准拿捏讽刺分寸的AI，需要对语境、文化、情绪有更细腻的理解。这一块目前还是短板。

第三，国产AI在这类创意任务上的进步速度，比我想象中快。C模型是三个里唯一一个没有跳出来「给建议」的，它把讽刺留在了那个最有力的点上，没有续貂。这种「知道什么时候该停」的能力，其实比很多人以为的要难。说明训练数据里不缺好的中文表达，只是之前没有被好好激发出来。

这个实验告诉我什么？

最直接的一个结论：选AI工具，不能只看参数大小和跑分排名。真正重要的是——这个AI的「思维方式」，跟你的需求场景合不合。

你想写正经八百的商业文案，可能需要的是一个偏保守、结构清晰的AI；你想做创意内容，可能需要的是一个更有「脾气」、敢于打破框架的AI；你想做深度分析，可能需要的是一个逻辑严密、不会动不动就给你上价值的AI。

换句话说，AI工具不是选最强的，是选最对的。

当然，如果你只是想买个心理安慰，觉得「有了AI工具我就能提升效率」——那你买一百个，结果还是一样。工具本身不解决问题，用工具的人才是关键。

这句话，好像也适用在别的地方。