AI 到底在"会"什么
把魔法外衣拿掉，大语言模型的核心能力可以理解成三层。
今天的大语言模型可以写文章、写代码、读图、做表格、拆问题，看起来像"什么都会"。但把魔法外衣拿掉，它的核心能力可以理解成三层。
第一层是语言压缩。模型在海量文本、代码、图片文字对、音频转写等数据中学到模式。它不是把每篇文章原样背下来，而是把"哪些词经常一起出现、什么结构像一个合理回答、什么步骤常能解决某类问题"压进参数里。
第二层是上下文推断。当你提问时，模型会读你的问题、历史对话、上传材料和系统工具返回的信息，然后预测下一段最可能有用的回答。Transformer 架构把注意力机制放在中心位置，让模型能在一段上下文中判断"哪些词、段落、变量或图像区域更相关"。2017 年的《Attention Is All You Need》提出 Transformer，核心特点就是基于注意力机制，去掉传统循环和卷积结构，并提升并行训练效率[1]。
第三层是后训练对齐。只会续写文本还不够，模型需要学会遵守指令、拒绝危险请求、承认不知道、使用工具、按人类偏好改写。不同公司会用不同的后训练、评测和安全策略，所以同样是"大模型"，风格会很不一样。
一个实用类比：基础模型像读过很多书、做过很多题的学生；后训练像老师告诉它"回答要有礼貌、遇到危险要停、不会就说不会"；工具调用像给它计算器、浏览器、数据库和执行器。你问的问题越复杂，越不能只靠"学生脑内记忆"，越要给材料、给工具、给验收标准。
为什么不同模型会有不同侧重
同样叫大模型，背后其实在做不同取舍：速度、成本、上下文长度、推理深度、代码能力、多模态能力、安全边界、工具调用稳定性、开放部署能力。
同样叫大模型，背后其实在做不同取舍：速度、成本、上下文长度、推理深度、代码能力、多模态能力、安全边界、工具调用稳定性、开放部署能力。没有一个模型在所有维度永远第一。
| 模型类型 | 主要解决的问题 | 适合场景 | 不适合场景 |
|---|---|---|---|
| 通用旗舰模型 | 平衡知识、写作、推理、代码和多模态 | 复杂问答、方案草稿、跨领域讨论、日常高质量助手 | 超高并发低成本分类、强隐私本地部署 |
| 深度推理模型 | 多步骤数学、逻辑、规划和疑难排错 | 复杂分析、代码调试、策略推演、需要反复验证的任务 | 简单改写、批量标签、低延迟客服 |
| 长上下文模型 | 读长文档、代码库、会议记录和多文件材料 | 合同/文档审阅、代码库理解、长报告总结、跨材料比对 | 没有材料支撑的事实查询；上下文越长越需要结构化提问 |
| 多模态模型 | 理解图片、图表、视频、音频与文本混合输入 | 读截图、识别图表、分析商品图、视频内容摘要、页面走查 | 高精度医学影像、法律鉴定等需要专业资质的判断 |
| 代码/智能体模型 | 生成、修改、测试、调用工具并推进多步任务 | 写脚本、修 bug、搭网页、批处理、自动化工作流 | 权限不清、没有测试环境、需要高风险生产变更的任务 |
| 开源/开放权重模型 | 可本地化、可微调、可控成本和数据边界 | 企业私有部署、垂类微调、离线应用、研究实验 | 追求最前沿通用能力且不想维护基础设施 |
| 小模型/快模型 | 低成本、高吞吐、低延迟的窄任务 | 分类、抽取、路由、简单摘要、批量清洗 | 复杂推理、开放式创作、跨材料判断 |
OpenAI 对 GPT-5 的描述很典型：它不是一个固定形态，而是由快速模型、深度推理模型和路由器组成的统一系统，会根据问题复杂度和工具需要决定是否"多想一会儿"[2]。Anthropic 的 Claude 文档则把模型分为 Fable、Opus、Sonnet、Haiku：Fable 面向高要求推理和长程智能体工作，Opus 面向长时编码与知识工作，Sonnet 强调速度和智能平衡，Haiku 面向高量、低延迟的分类、抽取和路由[3]。Google Gemini 2.5 Pro 的官方说明强调复杂推理、代码、数学、STEM，以及 1,048,576 token 输入上下文，支持音频、图片、视频、文本和 PDF 输入[4]。
这些定位差异说明了一件事：选模型不是选"最强"，而是选"最匹配问题成本结构"的工具。
几个主流模型家族的使用画像
这一节不做绝对排名。排名很快会过期，画像更有用。
3.1 OpenAI / GPT 系列
OpenAI 的优势在于通用性、工具生态、代码和复杂任务完成度。GPT-5 官方介绍称其在编码、数学、写作、健康、视觉感知等方向都有提升，并强调统一系统会在快速回答和深度思考之间路由[2]。对普通用户来说，GPT 类模型适合当"默认主力"：写方案、做创意、查错、搭网页、把模糊想法变成结构化草稿。
- 如果问题简单，直接问，不要逼它长篇推理。
- 如果任务复杂，明确写"请先拆解问题、列出假设、再给结论"。
- 如果要事实准确，让它列来源、标注不确定点，并配合搜索或内部数据工具。
- 如果要代码，给运行环境、依赖版本、输入输出样例和验收方式。
3.2 Anthropic / Claude 系列
Claude 的特点是长上下文、文档处理、稳健表达和智能体编码场景。官方模型总览显示，当前 Claude 模型都支持文本和图片输入、文本输出、多语言、视觉与工具使用；不同模型在推理深度、延迟和成本上分层[3]。如果你要读很长的材料、改写复杂文档、做知识工作或让模型在一个项目里持续推进，Claude 往往是很好的候选。
- 给它完整材料，再要求"按证据回答，不要脱离材料"。
- 让它先做结构梳理，再做改写或判断。
- 对复杂项目，可以让它持续维护任务清单、风险清单和下一步动作。
- 如果只是大批量抽取字段，优先考虑 Haiku 类低延迟模型。
3.3 Google / Gemini 系列
Gemini 的强项是多模态、长上下文和 Google 生态工具。Gemini 2.5 Pro 官方文档称其是 thinking model，能够推理代码、数学和 STEM 复杂问题，并可分析大型数据集、代码库和文档；它支持音频、图片、视频、文本、PDF 输入，输入上限为 1,048,576 token[5]。如果你的任务包含截图、视频、PDF、长材料和搜索接地，Gemini 是很适合纳入对比的模型。
- 读长文档时，不要只说"总结一下"，要给输出结构：关键结论、证据页码、风险、待确认问题。
- 读图片或视频时，指定关注对象：版面、动作、商品、文字、异常点或情绪。
- 用它做资料研究时，要求区分"材料中明确说了什么"和"模型推断了什么"。
3.4 DeepSeek / 推理模型
DeepSeek 的代表性特点是推理模式和性价比。官方文档显示，DeepSeek 模型支持思考模式，并允许用 effort 控制思考强度；在思考模式下，模型会在最终回答前生成 reasoning_content，以提升答案准确性[6]。这类模型适合数学、代码、逻辑、推理题和需要逐步分析的业务问题。
- 对复杂问题开启高 effort；对简单问答关闭或降低思考强度。
- 不要把所有任务都交给深度推理模型，简单分类和改写会浪费成本。
- 对业务分析题，给清楚指标口径、时间范围和样例数据，否则推理越深，错误也可能越"像真的"。
3.5 Llama / 开放权重模型
Llama 代表了另一条路线：开放权重、可研究、可本地化。Llama 3 论文称其原生支持多语言、编码、推理和工具使用，最大模型为 405B 参数、上下文最高 128K，并公开发布了预训练和后训练版本以及 Llama Guard 安全模型[7]。这类模型的价值不只在"聊天好不好"，还在企业能否控制部署、成本、数据边界和微调流程。
- 如果数据不能出内网、需要私有化部署或垂类微调，优先评估开放权重模型。
- 如果需要最强通用能力，又没有模型工程团队，闭源旗舰模型通常更省心。
- 企业落地时，开放模型的总成本包括推理服务、显存、监控、评测、安全和运维，不只是模型本身免费。
按任务选模型：一张实用决策表
最常见的误用有两个：把所有问题都丢给最强模型，或者把复杂问题丢给快模型。
| 你的任务 | 优先模型 | 提示词写法 | 验收方式 |
|---|---|---|---|
| 写一篇文章/方案 | 通用旗舰 + 写作强模型 | 说明读者、目的、语气、长度、必须覆盖和不覆盖内容 | 看结构是否服务读者；事实是否有来源；是否有可执行建议 |
| 复杂业务分析 | 推理模型 + 数据工具 | 给指标口径、时间范围、维度、样例表和希望输出的判断 | 核对数据来源、分母、时间窗；让模型列出反例和备选解释 |
| 读长文档/合同 | 长上下文模型 | 要求按章节抽要点、风险、责任方、待确认问题 | 抽查原文位置；高风险条款人工复核 |
| 写代码/修 bug | 代码/智能体模型 | 给报错、目录、复现步骤、期望行为和测试命令 | 必须运行测试；小步提交；不要只看解释 |
| 读截图/图表/视频 | 多模态模型 | 指定关注区域、问题、输出格式和不确定时如何标注 | 让模型指出证据位置；关键识别人工二次确认 |
| 批量分类/抽取 | 小模型/快模型 | 给字段定义、正反例、边界例、JSON 输出格式 | 抽样评估准确率；看边界类是否稳定 |
| 隐私敏感场景 | 私有化/开放权重模型 | 先脱敏，再给任务；不要把敏感原文直接发到外部模型 | 检查数据流、日志留存、权限和合规要求 |
最常见的误用有两个。第一，把所有问题都丢给最强模型，这会贵、慢，而且不一定更稳。第二，把复杂问题丢给快模型，然后抱怨 AI 不聪明。更好的做法是分层：快模型先做路由和初筛，旗舰模型做核心生成，推理模型处理难题，工具负责查数和执行。
让不同模型更好用的提示词框架
好提示词不是"咒语"，而是把工作交接说清楚。
好提示词不是"咒语"，而是把工作交接说清楚。你可以用这个四段式：
- 角色与目标：你要模型扮演什么能力，不是装腔作势的头衔，而是工作标准。例如"你是业务分析助手，目标是找出 GMV 下滑的可验证原因"。
- 材料与边界：给数据、背景、约束、不能做什么。例如"只使用我提供的表格，不要编造市场数据"。
- 方法与输出：要求模型怎么思考、怎么呈现。例如"先列假设，再逐条验证，最后给行动建议；输出为表格+结论"。
- 验收标准：告诉它什么算好。例如"每个结论必须对应证据；不确定项标为待确认"。
你要帮我完成
【任务】。目标读者是【读者】，他们最关心【决策/结果】。请只基于
【材料/数据/链接/截图】回答，缺失信息标注"待确认"，不要编造。请按
【步骤】处理：先拆问题 → 再给判断 → 列证据 → 给下一步动作。输出格式为
【表格/清单/方案/代码/JSON】，每条建议都要说明适用条件和风险。
如果你使用的是推理模型，可以再加一句："这不是简单问答，请先识别关键变量和可能的反例，再给结论。"如果你使用的是快模型，反而要减少开放空间："按以下标签体系分类，只输出 JSON，不要解释。"
AI 还能帮你探索什么
多数人一开始只把 AI 当搜索框或写作工具，太亏了。下面这些方向更值得试。
多数人一开始只把 AI 当搜索框或写作工具，太亏了。下面这些方向更值得试。
安全边界：什么时候不能全信 AI
AI 最危险的地方不是它会错，而是它错的时候也可能很流畅。
AI 最危险的地方不是它会错，而是它错的时候也可能很流畅。下面几类任务要特别谨慎。
- 事实高风险：法律、医疗、财务、合同、合规、儿童安全、药物剂量，必须找权威来源或专业人士确认。
- 数据高风险：经营数据、绩效口径、实验结论，必须回到数据源、SQL、看板或实验平台核验。
- 执行高风险：删库、发公告、批量发消息、财务报销、线上发布，要有人审、要有回滚。
- 隐私高风险：身份证、手机号、客户合同、内部敏感信息，不要随意丢给外部模型。
- 幻觉高风险：让模型讲"最新新闻""某公司内部情况""某报告具体数字"，如果没有联网或数据源，回答可能只是语言上很像真的。
建立自己的模型工作台
你不需要每天追模型榜单。更实际的做法是给自己建一个"模型工作台"。
你不需要每天追模型榜单。更实际的做法是给自己建一个"模型工作台"：
| 工作台层级 | 你要准备什么 | 目的 |
|---|---|---|
| 默认主力模型 | 一个你最常用、综合能力强的模型 | 处理 70% 日常写作、分析、问答和创意任务 |
| 深度推理模型 | 一个愿意慢慢想的模型 | 处理复杂逻辑、代码排错、策略推演和关键决策草案 |
| 多模态模型 | 能读图、读 PDF、读视频或截图的模型 | 处理视觉材料、图表、界面、商品和内容素材 |
| 快模型/小模型 | 低成本批量处理能力 | 处理分类、抽取、路由、简单摘要和格式化 |
| 可信数据工具 | 搜索、数据库、表格、看板、代码执行环境 | 把"会说"变成"可验证、可执行" |
真正的高手不是问"哪个模型最强"，而是会判断：这个问题需要快、便宜、会写、会看图、会读长文、会推理、能接工具，还是能私有部署。模型越来越多，选择逻辑反而要更简单。
你可以从今天开始做的 7 个实验
如果只记住一句话：AI 不是答案机器，而是能力放大器。
给背景、目标、结果和卡点，让它输出"做对了什么、下次怎么改"。
输入一个主题，让它给 20 个角度，再按"有用、好奇、能传播"打分。
要求它列出结论、证据、风险和待确认问题，而不是只做摘要。
要求它站在反对方、老板、客户、执行同学三个视角审稿。
上传菜单、海报、商品页、群公告，抽取字段并核对缺失项。
例如预算计算器、活动排期表、儿童学习卡片生成器。
让它制定 14 天计划，每天给材料、练习和检验题。
