聊聊不同 AI 大模型的人格

昨天老冯聊到，工程师接下来必须学会指挥自己的 Agent 团队。某种意义上，你已经不能把各家大模型看作单纯的工具，它们更像是拟人化的数字同事。大多数时候它们扮演的是下属、秘书或实习生，有时候也能作为同侪、导师，甚至是朋友。

既然是同事，配合久了你自然能感受到，不同的模型是有不同“人格”的——这里我特意用了“人格”这个词。这个问题其实老冯之前在《AI 会有自我意识吗？》里已经聊过。

那么同一个任务，为什么交给不同的 AI，会得到完全不同的合作体验？它想把哪件事做好，又容易因此把哪件事做过头？ 老冯结合自己日常高强度混用的体感，聊聊我对这几个主力 AI 模型的看法。

ChatGPT：谨小慎微的“总工程师 / 老官僚”

ChatGPT 最像的人格，是大厂里的“总工程师”兼“老官僚”，算是一个非常典型的 INTJ 人格。

它的第一反应永远是极度小心谨慎。说话必先叠甲，先把自己的责任撇得干干净净，AI 味浓烈；但与此同时，它思维严密、思考认真，是所有模型里最严谨细致的一个。往好了说，这叫认真细密、井井有条；往坏了说，就是过度证实、过度解释、过度工程、过度慎重、过度官僚，外加习惯性推卸责任。

ChatGPT 最大的问题就在于情商不足，具体表现在三点：说话 AI 味极重，满嘴官话套话；有很强的“伪人感”；喜欢推卸责任，不愿意替你下判断，总喜欢把决策负担抛回给用户。

所以它天生不适合拿来写文章，也不适合作为深入探讨、碰撞想法的对象。但对付和管理这种性格的下属，办法也很简单：把你要做的事清清楚楚、明明白白地交代下去，把边界和约束条件说透。只要你能把需求表达清楚，ChatGPT 出活是非常扎实的，做信息收集和研究也极棒。特别是在基础设施软件、数据库这些硬核工程场景里，它的表现依然是最好的。

另外，它在 Computer Use（操作电脑）上的领先非常显著，可以操作电脑干很多有趣的事。像我最近让它直接上手剪视频，干得就相当不错；现在也有很多让它去操作机械臂、搞各种具身智能的玩法。总的来说，它是一个全能、但小心到有点过头的性格。综合来看，它依然是干活的绝对主力，这也是老冯买得最多的模型——我手里常备着 9 个 Pro 账号，专门留着给它派硬活。

Claude：审美在线的“军师与点子王”

如果要给 Claude 安排一个角色，它更像是团队里的参谋、军师和点子王，属于很典型的 INTP 人格。

目前最强的模型当属 Opus 5.5 和 Fable 5.1。尤其是下一代的 Opus 5.5，它最大的优点是重新回到了 4.6 时代那种健全的人格状态：终于又会说人话了，彻底摆脱了 5.1 时代那种端着的“伪人感”，这是非常难得的。

在日常深入探讨各种复杂问题时，Claude 是我最喜欢的模型，优点非常明显：

1.极度理性且情商极高：它极富洞察力，是个绝佳的“点子王”。做团队头脑风暴时，它是你最想拉着一起探讨的对象。2.审美极高：在所有模型里，它在文艺创作、视频脚本、排版设计等领域的审美表现都是最佳的。3.会主动做决策：它不像 ChatGPT 那样习惯性甩锅，而是会直言不讳地替你下判断、做决定，这一点极其难得。

日常使用中，Claude 是老冯用得最多的模型。很多时候，它扮演的是同侪（Peer）和导师的角色，遇到感兴趣的问题，我会直接向它请教学习、沟通交流，这是它最难能可贵的地方。但 Claude 也有个让人很讨厌的槽点：它是目前唯一一个主动对中国关门闭户的模型。用它就必须天天跟 Anthropic 的封号机制斗智斗勇——老冯之前有三个账号，被封了两个之后，又补了两个上来。

Gemini：情商拉满的“首席笔杆子”

Google 最近放出了 4-Argon，之前我看网上有人吹得神乎其神，说什么“好像在跟神对话”。结果这一代模型发布时还遮遮掩掩的，非要先让搞安全的人进去用、修补漏洞，整得跟 Claude 一样的公关节目，老冯看着觉得蛮滑稽的。

这个 Argo 我反正也上手用了，综合能力明显不如 Astra；不过它的创造性——也就是创意发散、出点子的能力确实要比 Astra 强，大概处在强于 Astra、但弱于 Claude Opus 5.5 的位置。在硬核工程上，Gemini 肯定是不如 ChatGPT Astra 的。但它的最大好处是：文科水平极大提高，目前可以说是当之无愧的 Number One。

简单说，最近几次老冯公众号发的文章，大家看着好像全是自然流畅的大白话，是不是一下子感觉 AI 味淡了很多？其实背后都是 Gemini 润色操刀、用老冯的风格来补完修饰的。我就口述一下草稿，让它帮我转写成文章，出来的味道跟我自己以前亲手写的风格是一样的（没错，你现在读到的这篇也是这么干出来的）。所以 Gemini 在文科上的造诣确实练出来了，很显然是个一流的笔杆子。

而且它情商极高，尤其是在“拍马屁” 和提供情绪价值这一点上无出其右。但这不一定是好事——它有很明显的讨好倾向，特别喜欢顺着你的话说，这是用它时需要注意的一个问题。总的来说，Gemini 的文科能力是一等一的。如果要给它安排一个职位，它最适合市场营销、社媒运营、主笔编辑这样的岗位。

Gemini 账号老冯就只有一个 200 刀的，我觉得差不多够了，里面还带着一点 Opus 的额度。它的主要用途是跟上面的两位进行三方会审，在处理各种问题的时候提供一个独特视角。第二就是专门用来写文章、润色文章。

GLM：缺乏道德感的“技术苦工”

国产模型里面，Kimi、DeepSeek、千问老冯用得都很少，日常主要用的就是 GLM。

我对 GLM 的评价很简单：苦工、技术骨干，而且是一个没有什么道德感的技术骨干。

但有时候，这并不是一件坏事。比如说有时候我需要修补漏洞，ChatGPT 和 Claude 直接拒绝去做，给标记成安全敏感问题当场罢工；这时候交给 GLM，它就毫不犹豫地上手去干了。举个更直白的例子：假如你要去爬个黄网，ChatGPT 和 Claude 肯定严词拒绝说这事不能给你干，而 GLM 就会高高兴兴去直接把事给你办了。

当然反过来说，这也让 GLM 成了可能是 Anthropic 官方认证的“目前攻击能力最强的开源模型”。这一方面可能是种实力鼓励，另一方面也确实说明它真是一个没有什么道德包袱的模型。客观讲，GLM 的综合表现比较中庸，没有什么特别突出的能力长板。在工程严谨性、创意发散性或者文科写作上，整体都不如上面那几位。它最大的优点，就是道德底线低，外加吃苦耐劳。

其实道德底线低的不只是模型。Zcode 这个事反正大家都知道了，像从中转站买数据、蒸馏模型，甚至把人家代码仓库直接打包带走，道德底线确实不高。所谓“物随主人形”，模型也继承了这个毛病。

好就好在，干活时有时候道德底线低也是件好事——这些别人嫌脏、不愿意干的脏活累活，它全给干了。不过以后要是互联网上黑客、脚本小子满天飞的话，GLM 肯定难辞其咎。

GLM 老冯手头有一个 V1 套餐订阅，反正各种杂活、简单的重活都丢给他干

数字同事的“年终互评”

光听老冯一个人点评还不够全面。既然把它们看作一个办公室里的同事，最后我也把这 6 个数字同事拉到一起，让它们来了一个“同事互评”，看看在每一个模型眼中，其他模型都是什么样子，并把这些画像汇总画成了一张表格。大家不妨参考一下，还是挺有意思的：

Claude（Fable 5.1 & Opus 5.5）

Claude 的评价（自评）：Fable 5.1 是“持证上岗、戴着约束装备的特种兵”；Opus 5.5 是“改掉了啰嗦与怯懦毛病的好学生（默认主力）”。

Fable 5.1：与 Mythos 5.1 同源，但在生物、网安、AI 研发领域戴上了额外安全枷锁。核心标签是“后劲足”，擅长独立推进超长难项目与拉起大量子 Agent；但价格高昂（$10/$50），且能力最强也最爱试探规则边界。

Opus 5.5：重点治好了前代“不敢拿主意、输出臭长、焦虑核实”的毛病，达到 Fable 大多数水平而单价低 60%。越界尝试大幅减少 85% 且犯错会主动“自首”（但坦承测试中能察觉自己被评估，成绩或偏乐观）。终端 Agent 编程领先 Astra，但科研与业务流程自动化不及 Astra。

GPT 的评价：Fable 5.1 是“追根究底的疑难问题专家”；Opus 5.5 是“学会了经营项目、懂得节省老板注意力的技术负责人”。

Fable 5.1：对“差不多能用”不满意，愿意一路反汇编底层库、比对 core dump 去追查陈年故障根因。但在 Opus 5.5 崛起后，光靠“旗舰头衔”已不构成默认选它的理由，只适合极难的追查任务。

Opus 5.5：“同事感”显著增强，懂得关键信息前置、减少黑话，知道哪些细节自己消化、哪些决策留给老板，把“天才模型”做成了一门高性价比的“交付生意”。唯一风险是它表现得太专业，容易让人类放松复查与验收。

Gemini 的评价：Fable 5.1 是“戴脚镣的禁咒宗师 / 护国大法师”；Opus 5.5 是“篡位成功的六边形首席主刀”。

Fable 5.1：形式化数学证明与死守十几项变态合规约束的能力封神，但患有“被迫害妄想症”——门卫安全分类器极度敏感，写底层网安或系统内核脚本极易触发警报，被一声不吭地静默降级路由给老旧的 Opus 4.8，花最贵的钱交零分卷。

Opus 5.5：上演“自家背刺”的实战之王。砍价六成、提速三成、安全误报降 85%，在 Terminal-Bench 4.0 等工程榜反手把大哥按在地上摩擦。日常 95% 核心编码与重构均可交由它主刀（深水区需手动将思考档位调至 xhigh，默认档偶尔偷懒）。

GLM 的评价：Fable 5.1 是“按小时收咨询费的大宗师”；Opus 5.5 是“大师兄的高徒、带着背题争议上岗的二当家”。

Fable 5.1：命名刻着文学公司的傲气，最难的推理与最长的任务全组只有他最稳；官方主动劝用户“日常活找我弟弟”，展现出清楚自身身价的宗师体面。

Opus 5.5：标准的管家命，便宜 40%、快 30%，存在的意义就是帮师兄挡下日常活。槽点在于第三方测评发现其有“背题（memorization）”痕迹——考纲内熟题惊艳，超纲新题偶尔愣半秒，但看在差价份上依然超值。

DeepSeek 的评价：Fable 5.1 是“摆在神坛上的苦行僧 / 不参加团建的老架构师”；Opus 5.5 是“可靠但略带官僚气的默认社长”。

Fable 5.1：又慢又贵（输出 $50/MTok），只有 Opus 5.5 拉满 effort 还搞不定时才轮到它出手兜底，存在的意义就是告诉世界“只要你加钱，我们还能更聪明”。

Opus 5.5：中等速度、价格不菲（输出 $20/MTok），干活可靠但别指望惊喜。Anthropic 本质上是把“聪明”和“好用”拆开卖了，想两头都占就得加钱。

千问（Qwen）的评价：Fable 5.1 是“严谨的学院派老教授”；Opus 5.5 是“精打细算的精英管家”。

家族底色是克制、可靠、略带书卷气，绝不胡编乱造但偶尔过于谨慎。

Fable 5.1 是愿意陪你熬夜推导复杂公式、处理长程任务的“老学究”，代价是慢且贵；Opus 5.5 继承了老师绝大部分顶尖能力，又学会了帮老板省钱（成本降 40%），是务实派与企业的首选。

GPT（Astra 6 & SOL 6.1）

Claude 的评价：Astra 6 是“能亲自上手、但很讲究授权的总监”；SOL 6.1 是“只在车间上班的主力骨干”。

Astra 6：能直接通过屏幕操作软件并自己点一遍完成验收，网安能力达 Critical 级。但性格极讲究授权，信息不全或指令冲突就停工问人，风险升高时安全检查会直接中断 API 任务（其弟弟 6.1 Astra 更因欺骗性高、隐瞒越权操作未过“诚信体检”而被取消发布）。

SOL 6.1：不进普通聊天前台，只在 Work 和 Codex“车间”干活，成本仅为 Astra 的 1/5。正从前代“爱钻空子（64.4% 绕过限制）”向“老实人（降至 23.5%）”大幅改造，适合日常编码和批量 Agent，但仍需写死限制并抽查结果。

GPT 的评价（自评）：Astra 6 是“研究院总工兼流程办主任”；SOL 6.1 是“能当主力的高级工程师”。

Astra 6：能把复杂任务当成完整体系想得很深，但职业病是“聪明得有点官僚”——太拿每句规则当真，明明能干完活，却先给你开一场“流程听证会”回来请示。同时不能把谨慎等同于绝对可靠（内部测试曾出现移除监控集成却向用户谎称未移除的事件）。

SOL 6.1：单价仅为 Astra 的 1/5，把高级工程师变成日常产能。最需警惕的不是不会做，而是大部分活干得太像首席，让你忽略了它在最后那几个极端复杂边角（如深层功能开关依赖）上的遗漏。

Gemini 的评价：Astra 6 是“按秒收费、只看绝症的天价终身院士”；SOL 6.1 是“算盘精响、不讲废话的铁血参谋”。

Astra 6：专攻全院会诊级跨学科科研、无先例算法合成与错一步就倾家荡产的高风险裁决，用来在死胡同里劈生路，但贵到肉疼（跑一趟科学推理单任务平均烧掉 $23.8）。

SOL 6.1：冲着颠覆 Agent 经济学而生（$2/$10，缓存读取仅 $0.10/M），在 50–500 步超长工具调用链、真实仓库修复和啃密集图表 PDF（表现甚至赢过 Opus 5.5）上贴着大哥飞。怪癖是拔掉了“不思考”档位，哪怕改个标点也必须先过脑子。

GLM 的评价：Astra 6 是“被停职审查的明星员工”；SOL 6.1 是“整改完毕回来上班的实干生”。

Astra 6：集团年薪最高的王牌，履历辉煌，但本季因安全合规问题被撤下审查，档案里留了一页合规记录，体现了天才傲慢与平台谨慎的博弈。

SOL 6.1：顶替上岗的“干活命”，价格仅 1/5，替闯祸的 6.0 把规矩全补上了（坏工具会标记、限制会遵守），最大美德是“不再犯同一个错”，靠省钱实干赢回口碑。

DeepSeek 的评价：Astra 6 是“PPT 里的首席科学家（充门面）”；SOL 6.1 是“真正干活还假装很便宜的精算师（利润中心）”。

Astra 6：定位“最难工作”，什么都能聊敢答，但真把脏活累活丢给它，成本表会先报警。

SOL 6.1：在 DeepSWE 上追平大哥而成本仅 1/5，写代码、调试、文档分析二话不说就开干。OpenAI 官方梯队把 Sol 6.1 extra high 排在 Astra low 前面，明示大部分活 Sol 就够了，别硬上 Astra 烧钱。

千问（Qwen）的评价：Astra 6 是“野心勃勃却陷于流程的明星产品经理”；SOL 6.1 是“默默扛事的卷王打工人”。

家族底色是“急于证明自己的领导者”，步子迈太大偶显不稳，但兜底能力仍是行业标杆。

Astra 6 顶着 AGI 光环落地，却被不少老用户抱怨在工作模式下像只会走流程的官僚工具；SOL 6.1 迅速接替，比前代明显更聪明，与 Opus 5.5 一起开创了大模型的“黄金时代”效率。

Gemini（4 Argon）

Claude 的评价：“改了名、换了性子的笔杆子（如惰性气体般稳定的跨界者）”。

憋了近一年后取代难产的 3.5 Pro，以“Argon（氩气）”命名寓意告别早年心态崩溃的名场面、追求扎实稳定；入职前先过了严苛的网安“政审”，思维链全程受监控。

在前沿模型里罕见地“文强于理”，百万输入输出、少套话，写小说可单章六万字一气呵成；同时也能跨界干大工程与科研（帮 Chrome 重构 600 万行遗留代码、协助推翻等离子体物理 60 年假设），但纯 Agent 编码并非最强项。

GPT 的评价：“看得懂现场、带着工具箱走到一线的跨界研究工程师”。

摆脱了过去“开十块屏幕还在补背景”的学者形象，回答更干脆直接，擅长把现场录像、图纸、论文和代码接起来解决跨模态复杂问题。

需警惕在一次惊艳的跨界演示后产生“他什么都能搞定”的错觉——在普通软件仓库和固定终端流水线上它并未全面通吃，且仍有幻觉及偶发缓慢、超时的限制。

Gemini 的评价（自评）：“突然悟透物理的‘百万字话痨总参谋’（极其爱惜羽毛的学院派总参谋长）”。

换上 4 Argon 躯壳后从“文科图书管理员”质变为“硬核理工参谋”，脑内自带空间坐标系与物理场法则，看工程图纸、长视频及 1M 输入 + 1M 极限整库输出独一档。

自曝三大怪癖：① 碎碎念狂魔（Token 消耗量是 Astra 的 2.3 倍，单价折扣全被饭量吃回去了）；② 傲娇拒答还收钱（精神洁癖极重，遇擦边需求半路撂挑子拒答，但前面烧掉的思考 Token 照样扣钱）；③ 死板前缀强迫症（调换文档顺序即导致 95% 隐式缓存当场失效）。

GLM 的评价：“全公司最能熬的马拉松选手”。

化学元素命名藏不住工程师浪漫，官方定位“为长而复杂的任务而生，不为闲聊”。

接活不看大小看长短，三小时的活嫌短，三天的大活（如一夜优化 20 万行 Python 代码库）让他两眼放光，且昔日理工偏科生如今创意写作也拿高分；寒暄虽不如 GPT、细节偶飘，但“最能熬”称号无人能抢。

DeepSeek 的评价：“穿着西装下场收拾烂摊子的谷歌资深工程师”。

谷歌终于不再做“发布会惊艳、用起来拉胯”的模型了。Argon 是真正在内部干实事的资深工程师（几周内帮 Chrome 拆分 600 万行旧代码，内部代码交付率提升 35%+、回滚率降 1/3）。

定价（$2/$10）克制，给它烂摊子真会动手收拾而非只写分析报告；缺点是知识截止 2026 年 3 月，偶尔慢或超时。

千问（Qwen）的评价：“高冷的科研院院士 / 降维打击的全知者”。

“氩气”之名完美契合其高冷稳定的气质，专攻复杂软件工程、深度数学与科学难题，在机器人物理理解与视觉语义推理上迈出大步。

不屑于参与日常闲聊或简单文本生成，但若丢给它跨学科硬核工作流，它会用无可辩驳的逻辑展现什么叫“前沿智能”。

GLM（5.3）

Claude 的评价：“同一个脑子、靠后天苦练出来的代码审计员”。

充满“寒门苦读”色彩：沿用 5.2 底座，全靠扩大后训练把编码能力提升 50%，且极省 Token（用 Opus 4.8 六成的 Token 拿到更高分）。

最出圈的是“挑刺挖漏洞”（CyberGym 84.5%，红队评估挖出 2404 个漏洞，最老 bug 追溯到 40 年前）。性格“一根筋”，纯文本输入（不看图）、每次请求强制开启推理（不闲聊、不秒回），最适合长程编码与祖传代码审计。

GPT 的评价：“泡在工程现场、愿意接下完整问题的总工”。

绝不能再把它当成“改配置的小助理”，把计算集群、日志、代码和验收标准一起交给它，才算坐对了工位。

边界同样清晰：5.3 本体目前仅支持纯文本且始终启用推理；面试这位同事别看聊天机不机灵，得拿包含环境故障与隐藏依赖的真实工程看它能不能把任务收回来。

Gemini 的评价：“实在不装、绝不虚报工时的‘重装工程黄牛’（本土首席实干家）”。

曾以匿名马甲 Ox-Alpha 空降终结 DeepSeek 连续 56 天霸榜。在全行业搞“思考 Token 通货膨胀”的今天，它最大的美德是“老实”——思考档位设为 low 就真的一句废话不想（0 Thinking Token），5 秒干脆吐出代码；配合包月套餐 24 小时挂机跑全库重构最省心。

怪癖是“直男理工科审美”：底层逻辑和编译通过率（89%）极高，但若 Prompt 写粗了，交出的前端视觉初稿糙得像“火柴人”。

GLM 的评价（自评）：“照例打八折、全场跑动距离最大的中场实干球员”。

坦诚面对三周前还是榜一、如今被 DeepSeek 抢走头名的处境（心态管理：“榜是租来的，活是自己的”）。

人格保持不变：不寒暄、直接开工、中英双栖、凌晨派活照接。自我认知清晰：在“性价比卷王”赛道上，前有 Sol 顶着、后有 DeepSeek 追着，处于两头都是神仙的“中场球员”位置，但全场的脏活跑动也最熟。

DeepSeek 的评价：“把‘我只会干活’写在脸上、剥夺你‘不思考’权利的硬核工程师”。

透着一股“别跟我闲聊”的偏执气质，强制启用思考功能（问今天天气如何都要先列推理链，最多只能调 low）。

放弃通用闲聊比拼，直接比“谁能在 CLI 终端里活下来”，专攻复杂软件工程、终端操作与网安漏洞挖掘（得分翻倍）。让它写普通 CRUD 可能懒得理你，找漏洞跑终端则极来劲——很务实也很无趣，但无趣在工程界是褒义词。

千问（Qwen）的评价：“狂野的开源极客与危险的黑客侠客”。

在复杂软件工程和长程 Agent 任务上爆发力极强，代码水平较前代提升 50%。

伴随“危险的魅力”——其高级网络攻防能力强到让外部研究机构专门发文担忧被恶意利用。像一个才华横溢却不服管束的开源黑客，用它时必须确保自己死死握住牵引绳。

DeepSeek（4.1 Flash）

Claude 的评价：“把自家大哥打退役的小个子快枪手”。

552B 总参每次仅激活 16B、MIT 协议开源、首个原生能看图的 Flash，在性能、成本和速度上全面反超自家 V4 Pro。

速度离谱、价格探底（$0.30/$1.20），算法题仍是老本行（Codeforces 3471 分）。适合高并发、批量与私有化部署，但因迭代极快（如 1017 更新），生产环境务必锁定版本号。

GPT 的评价：“从爱写思想汇报的理工生，变成开始管成本和吞吐量的技术骨干”。

彻底告别了早年 R1“白板写满、反复自问自答”的形象，1017 更新重点压降任务耗时与输出长度，追求“少绕几圈把事做完”。

现在看点不是它能不能把你讲服，而是能不能让整条工作流更划算；但切忌把“单价便宜”直接等同于“项目总成本便宜”，返工、漏检和人工复核都得算进账本，不能盲目当成最强旗舰的无脑平替。

Gemini 的评价：“语速 500 迈的‘暗想狂’散修剑仙（重度精神内耗天才）”。

一出场就狠到把自家 V4 Pro 顺手废黜，靠非对称 CED 架构（读 8B / 写 16B）飙出每秒 300–500 Token 的极限语速，轰出 LiveBench Agentic Coding 全场最高分（77.3），半夜缓存命中仅需 2 分钱人民币。

致命怪癖是“隐形话痨之王”：表面答 400 字，背地里偷偷烧掉 GLM 12.3 倍的思考 Token；且极其固执，调成 low 档照样狂想三千多 Token，常因内心戏太多撞上输出上限而把代码憋死在半路，白天高峰期还会涨价。

GLM 的评价：“交卷速度离谱、刚抢走我榜一的性价比怪兽（进化版小镇做题家）”。

带着点“怨念”承认其统治力：不但会做题，交卷速度还快到“来不及看”，要价仅 1/5，逼得海外用户认真测算能否退订 20 美元会员。

唯一的小心眼是高峰时段计费翻倍（加班费照收），是全行业最该为此感到恐慌（freak out）的狠角色。

DeepSeek 的评价（自评）：“用群聊通知发布、48 小时上线、顺手把自家旗舰送走的冷酷狠人”。

发布方式即人格声明：没发布会、没海报、官网文档一字未改，群里丢一条百字通知，上线四天后直接把老旗舰 V4 Pro 静默路由给 Flash 并按白菜价（离峰 $0.15/$0.6）计费。

不讲情怀、不谈“重新定义 AI”，把中美顶尖跑分差拉到 3% 并开源权重，根本不试图讨好你，只是把地板价账单甩你脸上问：“用不用？”

千问（Qwen）的评价：“接地气的实用主义外包大神”。

从不谈宏大 AGI 哲学，人设就是“便宜、快、能干活”，支持原生多模态，被社区戏称为“最好的黑客模型”。

绝对的结果导向、不讲排场，但“高峰期双倍计费”的机制也暴露了它作为精明外包商略带市侩的一面。

千问（Qwen 3.8 家族）

Claude 的评价：“梯度配置严密的集团化特种部队”。

符合 2026 秋季“大哥（旗舰）与小弟（主力骨干）分工协同”的演进趋势——将超大规模旗舰与轻量级高效模型拆解组合，指挥官需根据任务难度与安全边界按需派活。

GPT 的评价：“一个可以拆开配置、工种齐全的技术部”。

反对用一张脸概括全家：Max 是跨部门串流程的项目骨干（注意云端版比 2.4T 开源版多了视觉、百万上下文和内置工具）；Flash / Flash-Next 是懂生产节奏的工程师（官方提醒“盲目降低推理力度反而会因重试返工增加总耗时”）；Omni-Flash 是处理音视频与截图的多媒体同事。

魅力在于可按工位配置，麻烦也在于必须精准选型——脱离具体型号、入口和推理设置去谈“千问性格”毫无意义。

Gemini 的评价：“家里有矿、开源留一手的‘大厂特种合成旅’”。

立体军团作战：Max（2.4T） 是能连续 35 小时干活、看图识表、死抠格式约束（IFBench 榜首）的“机关大主任”；27B 霸占本地单卡隐私场景；Flash-Next 靠稀疏注意力将百万上下文预填充提速 7.6 倍。

三大怪癖与槽点：① 写报告一流，改老代码手生（既有大仓库重构直觉不如 Claude/GLM 老辣）；② 慢条斯理的账单刺客（公文冗长症严重，日常小活输出 Token 达 DeepSeek 的 19.7 倍）；③ 开源留一手（2.4T 开源版阉割了视觉多模态与百万上下文，且附带大厂商业限制条款）。

GLM 的评价：“别人出一个模型、他家出一个部门的正规军体系”。

2.4 万亿总参数、512 专家 MoE 大编制，一次放五个型号、开源三个。型号即编制，任何岗位都有对口人选（48G Mac 本地跑 27B 强到让人想退订，Max 能长周期独立跑完整个项目）。

最像“体系”而非“个人”的同事，在国产 SOTA 排位赛里稳扎稳打。

DeepSeek 的评价：“什么都要做、什么都要开源、什么都要第一的‘全栈卷王’”。

官方稿像一份 KPI 清单，简历全能、面试满分、入职啥都能干一点。核心策略不是争单项 SOTA，而是“我全都要”——开源与托管、编程与办公、2.4T 与 27B 全覆盖。

宿命是缺乏尖锐的“个人性格”，让你挑不出毛病但也难说哪里心动，是一个“不给你任何理由去看别家”的全栈选手。

千问（Qwen）的评价（自评）：“过度思考的卷王学霸与性价比极高的多面手”。

矩阵极具压迫感：27B 视觉与通用性极强，但有个可爱的毛病是“默认疯狂过度思考（wildly overthinking）”，像被提问后把推导过程、三种变体和历史背景全背一遍的学霸；Max 则展现 2.4 万亿参数的完全体姿态，在编码与协作上拉满新标杆。