AI 这么多，我该用哪个

上一篇讲了怎么把话说清楚。可很多人卡在更前面一步：到底该跟哪个 AI 说？

打开应用商店搜「AI」，豆包、DeepSeek、千问、元宝、Kimi、文心排成一列；朋友说 ChatGPT 最强，同事说写代码得用 Claude，网上又说 Gemini 刚登顶了某个榜单。每一个都说自己最聪明，每一个都免费下载。

先说结论

不绕弯子，2026 年 10 月的答案是这三句：

• 有条件用海外头部模型，首选 Claude 和 ChatGPT。 这两家在几乎所有重要榜单上都排在最前面，写代码、干长活、写东西都是第一梯队。
• 只能用国内的，首选 GLM 和 Kimi。 国产模型里，它俩的成绩最接近海外第一梯队，尤其是写代码和长任务。
• 只想免费，首选 DeepSeek。 App 不收会员费，深度思考、联网、读文件、看图都能用，综合成绩在国产模型里也排前几。

下面讲这三句结论是怎么来的，以及每家到底擅长什么。

先分清：模型和 App 不是一回事

结论里说的 GLM、Kimi、DeepSeek，指的都是模型，也就是 AI 的「大脑」：负责理解你的话、思考、写出回答。第四篇讲的训练，造出来的就是它。你手机上装的是 App：它把模型装进去，再配上联网搜索、读文件、语音、画图这些手脚。

打个比方，模型是发动机，App 是整辆车。

这件事对选 AI 很重要，因为名字常常对不上：GLM 是智谱公司的模型，你要去「智谱清言」App 里用它；腾讯元宝里可以在混元和 DeepSeek 之间切换；DeepSeek 的模型是开源的，不少 App 里都装着它。比较「哪个 AI 更聪明」，比的是发动机；真正下载的时候，再看哪辆车装着它。

结论是怎么来的：看成绩单

「哪个模型更聪明」不能靠感觉，也不能听厂商自己说。比较靠谱的办法，是看独立机构出的考试：同一套题，所有模型都考一遍，按同样的标准打分。

本站的模型榜单收录了 8 个这样的考试。下面挑两张最能说明问题的成绩单，图里只放了在主流聊天 App 里用得到的模型：

• Vals Index：考的是金融、法律、编程、税务这些真实行业里的活，看模型能不能像一个靠谱员工一样把事办完。可以理解成「综合干活能力」。
• DeepSWE：把模型放进真实的代码仓库，让它独立完成需要改很多个文件的开发任务。可以理解成「写代码的真本事」。

看图说话，三句结论都在里面：

1. 海外两强是 Claude 和 GPT。 两张榜上它们都在最前排；DeepSWE 上 Claude Opus 5.5 和 GPT-6 Astra 只差 0.1 分。Gemini 4 Argon 在 Vals 上排第一，但它 9 月底才发布，普通用户还用不上。
2. 国内两强是 GLM 和 Kimi。 写代码这张榜上，GLM-5.3（69.0）和 Kimi K3（68.5）是图中国产模型里最高的两个，离海外第一梯队只差五六分；其他国产模型落后得更多。
3. DeepSeek 在免费里没有对手。 它的综合干活分（51.3）在图中的国产模型里仅次于 GLM，比 Kimi、混元、千问都高，而它的 App 不收会员费。

还要记住两点。第一，这是 2026 年 10 月的快照，模型几个月就更新一轮，排名会变。第二，榜单考的是难题，问菜谱、写通知这类日常小事，各家差距远没有图上这么大。所以结论说的是「首选」，不是「只能用」。

每家擅长什么

Claude（Anthropic）：写代码、干长活、写东西

Claude 是这次成绩最全面的一家。本站收录的 8 个榜单里，它在 5 个上排第一：综合智力指数（Artificial Analysis）、职场任务（GDPval，交付文档、表格、幻灯片）、终端编程（Terminal-Bench）、软件工程（DeepSWE）和从零写软件（ProgramBench）。

所以它最擅长的是需要耐心和条理的活：写和改代码、连续干几个小时的复杂任务、长文章的写作和修改、把一堆材料整理成一份能交的文档。很多人还喜欢它的文风：克制，不浮夸。

• 在哪用：Claude 官网和 App。免费版能用 Sonnet 等型号；最强的 Opus 要开 Pro（每月 20 美元）以上。
• 注意：Claude 的官方支持地区不包括中国大陆和香港。

ChatGPT（OpenAI）：最全能，最难的长任务也扛得住

ChatGPT 的新旗舰 GPT-6 Astra 在 9 月初发布，成绩和 Claude 咬得很紧：DeepSWE 上只差 0.1 分；FrontierSWE（给 20 小时去完成高难度工程任务）上排第一，比 Claude 还高。

它的另一个长处在 App：语音对话、画图、联网、读文件、记忆，功能是聊天 App 里最全的之一。如果你只想装一个、什么都让它干，ChatGPT 最省心。

• 在哪用：ChatGPT 官网和 App。GPT-6 Astra 目前只给付费用户，Plus 约每月 20 美元。
• 注意：同样没有面向中国大陆开放。

GLM（智谱）：国产里最均衡，写代码和办事最强

GLM-5.3 是智谱在 8 月发布、并开放下载的模型，主打编程和 Agent（能自己动手办事的 AI）。在主流聊天 App 用得到的国产模型里，它的成绩最均衡：Vals 综合干活分、DeepSWE、FrontierSWE 都排第一，也是终端编程榜（Terminal-Bench）上唯一进榜的国产模型。

所以如果你在国内、主要拿 AI 写代码、做表格、处理成套的工作任务，GLM 是第一选择。

• 在哪用：智谱的「智谱清言」App 和网页版，免费下载，有付费会员可选；它的海外网站 z.ai 也能用。

Kimi（月之暗面）：长文档和长任务

Kimi 从一开始就主打「能读很长的东西」。7 月发布的 K3 能一次读进约 100 万 token 的内容，一整本书都放得下（token 是什么，见上下文窗口）。写代码它也很强：DeepSWE 上 68.5 分，和 GLM 只差 0.5 分，FrontierSWE 国产第二。

所以它最适合读长报告、长合同、整本书，或者需要来回翻大量材料的任务。它的短板是职场交付类任务：GDPval（做文档、表格、幻灯片）上的分数比 GLM、千问、DeepSeek 都低。

• 在哪用：Kimi App 和网页版。免费版能用但有额度；新模型 K3 的完整能力要开会员，会员每月 49 元起。

DeepSeek：免费里最好的

DeepSeek 是 2025 年初靠「深度思考」火起来的那家。9 月发布的 V4.1 Flash 能直接看图，模型同样开源。成绩上，它的综合干活分（Vals 51.3）在主流国产模型里仅次于 GLM；写代码（DeepSWE 62.8）比 GLM、Kimi 低一截，但比千问高。

它最大的优势是不要钱：App 和网页版不收会员费，深度思考、联网搜索、读文件、看图都能直接用。对只想先免费用起来的人，它是性价比最高的选择。

• 在哪用：DeepSeek App 和网页版。腾讯元宝等 App 里也能选到 DeepSeek 模型。

其他几家，为什么没进首选

• Gemini（谷歌）：新旗舰 Gemini 4 Argon 分数很高，在 Vals 和金融分析榜上都排第一，但 9 月 30 日才发布，还没全面开放；免费版用的是更早的模型，谷歌服务在大陆也打不开。等它真正放开，这个结论可能就要改了。
• 千问（阿里）：职场任务（GDPval）的分数在主流国产模型里最高，但写代码的两个榜（DeepSWE、FrontierSWE）落后 GLM、Kimi 一截，综合干活分也排在后面。
• 豆包（字节）：它的模型没有参加这几个独立考试，没法放进同一张成绩单里比较。豆包的长处在 App 本身：国内用户最多，免费功能全，语音聊天和画图、做短视频都方便。日常聊天、娱乐，用它完全没问题。
• 腾讯元宝：混元 Hy4 的综合分和 Kimi 差不多；它的特色是能搜公众号、视频号里的内容，App 里还能直接切到 DeepSeek。

一张表收拢

模型	最擅长	去哪用	免费吗	大陆能直接用吗
Claude	写代码、长任务、写作改稿	Claude 官网 / App	有免费版，最强型号要付费	不能
ChatGPT	全能，最难的长任务	ChatGPT 官网 / App	有免费版，新旗舰要付费	不能
GLM	国产最均衡；写代码、办事	智谱清言 App / 网页	免费，有付费会员	能
Kimi	长文档、长任务、写代码	Kimi App / 网页	有免费额度，K3 完整能力要会员	能
DeepSeek	免费里综合最强；深度思考	DeepSeek App / 网页	免费	能

按你的情况挑一个：

结论会变，用你自己的活验证

成绩单能告诉你谁更强，但「在你的活上顺不顺手」只有你自己知道。最好的办法是试驾：

1. 挑两个。 就是上面选出的首选和备选。别一口气装七八个，比到最后谁都记不清。
2. 备三件真活。 不要考它「你是谁」，拿你这周本来就要干的事：一份要总结的文件、一条要写的消息、一个要查的问题。
3. 问法一字不改。 同一段话分别发给两边。按上一篇说的，背景、任务、要求写清楚，比较才公平。
4. 用一周，留一个。 顺手的当主力，另一个留着问第二意见。

还有两件事，不管选了谁都要记住：

• 不用对某个 AI 忠诚。 每过半年，翻一眼模型榜单，再用同样三件活试驾一次。
• 别把隐私交出去。 你贴进输入框的每一个字，都会发到 AI 公司的服务器上。

不少产品默认会拿对话去改进模型，可以在设置里关掉：ChatGPT 在「设置 → 数据控制」，Claude 在「设置 → 隐私」，DeepSeek 在「设置 → 数据管理 → 数据用于优化体验」。其他产品，找名字里带「改进」「优化」的那个开关。

小结

• 三句结论： 海外首选 Claude 和 ChatGPT，国内首选 GLM 和 Kimi，免费首选 DeepSeek。
• 结论来自成绩单： 独立机构的考试，同一套题、同一个标准。Claude、GPT 两张榜都在最前排；GLM、Kimi 是主流国产模型里写代码最强的两个；DeepSeek 不要钱，综合分紧跟 GLM。
• 各有所长： Claude 写代码和长任务，ChatGPT 最全能，GLM 国产最均衡，Kimi 读长文档，DeepSeek 免费。
• 结论会变： 这是 2026 年 10 月的快照。最后拍板的，是你自己的活。

这篇出现的几个黑话，收个尾：

黑话	本文叫它	说明
模型 · Model	发动机	GLM-5.3、Kimi K3、GPT-6 Astra、Claude Opus 5.5 这些名字，说的都是模型
产品 · App	整辆车	把模型装进去，再配上联网、读文件、语音、画图的软件
Benchmark · 基准测试	成绩单	独立机构出的同一套考题，用来横向比较模型
深度思考 · 推理模型	先打草稿再作答	难题更稳，但回答会慢一些
开源	发动机图纸公开	谁都能下载模型装进自己的 App，所以同一个模型会出现在很多地方
上下文窗口	一次能读多少	Kimi 的长项；读长文档要看这一项

到这里，新手村的六篇凑成了一条完整的路：前四篇讲它是什么，第五篇讲怎么跟它说话，这一篇讲跟谁说。选好了，就去用吧。