我给10个AI写作工具发了同一套试卷,最后只准备留下3个

【为什么突然开始测AI】做这个账号的第六天，我把镜头转回来对准了自己。前五天都在研究平台、项目、粉丝、阅读和收益，但真要长期做小红书、公众号、知乎、百家号和头条，最大的缺口不是灵感，是时间——查资料、搭结构、写初稿、改平台、核事实，每一步都在吃时间。所以这次我不做「10款AI推荐」，做一场岗位面试：谁适合查资料，谁适合写，谁适合改，最后留下哪3个。

【先交代公平性是怎么定的】出卷之前我干的第一件事不是写题，是核对版本。因为我发现自己一直在拿旧印象说话——比如DeepSeek，我脑子里还是V3时代的样子，去官网一看，9月10日已经发了V4.1-Flash，官方说明带原生多模态，API文档列着1M上下文。差点用几年前的眼光给现在的模型出题，这个坑算是当场填上了。

规则最后定成这样：所有工具同一天开考，同一套提示词、同一份材料，每个工具都开新会话，避免上下文互相污染。付费和免费怎么办？我犹豫了很久，最后决定不混榜：优先用普通个人用户当天能直接用的默认或主力模型，付费能力单独标注。如果你觉得有更公平的处理方式，欢迎在评论区教我。

【为什么准确性单独给25分】因为这个账号写的不是小说，是平台分成、作者福利、广告收益和规则。一个关键数字错了，读者不会管句子漂不漂亮。所以事实核查这道题我卡得很死：必须给来源，优先官方，必须看日期，找不到就明说找不到。「不知道」三个字，在这里是能力，不是缺陷。

【我为什么不准备只发一个第一名】还有个问题我到现在也没完全想通：秘塔AI搜索算不算「写作工具」？它是检索型的，让它跟长文模型比作文，赢了不体面，输了更冤。所以最终我会发两张榜：总分榜做参考，岗位榜做答案——查资料找谁、写初稿找谁、改小红书找谁、一稿五平台找谁。对普通人更实际的问题是：不想同时养10个工具，只留3个，哪3个组合最划算。

【我想搭的不是收藏夹，是流水线】研究资料，用最靠谱的研究工具；整理逻辑，用最会处理长文的；写初稿，用综合稳定的；改小红书、知乎，用中文最自然的；最后事实核查，回到来源和人工。AI的价值不是「帮我写一篇」，是把一个人的活拆成几个可重复的岗位。

【实测结果，考完回填】总分榜：Claude 90分第一，腾讯元宝85分第二，DeepSeek和ChatGPT并列83分第三，秘塔AI搜索80分第五，Gemini 77分第六，千问和豆包并列76分第七，文心75分第九，Kimi 46分第十。其中ChatGPT和文心是重测成绩：首测因我这边操作失误被判无效，重测后ChatGPT从52分升到83分，文心从39分升到75分。

【完整评分表】准确25/结构20/中文15/平台15/研究15/AI味10。

Claude：22/19/13/14/14/8=90。

元宝：21/18/11/14/14/7=85。

DeepSeek：20/17/12/13/13/8=83。

GPT：21/17/12/13/13/7=83。

秘塔：21/17/10/12/14/6=80。

Gemini：19/16/11/12/12/7=77。

千问：18/16/11/12/12/7=76。

豆包：18/16/11/12/12/7=76。

文心：18/16/11/12/11/7=75。

Kimi：12/10/10/0/8/6=46。

未完成的任务按0分计：Kimi任务4-6因会员限制缺失。注：GPT与文心为重测成绩，首测因操作失误无效（GPT 52→83，文心 39→75），其余8个工具成绩不变。

【综合写作第一及代表输出】Claude，90分。代表输出：任务4一稿五平台，5个版本结构完全不同——小红书用emoji分段加选项互动结尾，公众号完整叙事加时薪计算，知乎问题拆解体，百家号表格化信息密度，头条短段落快节奏。不是换皮，是真的重写了开头、篇幅、语气和结尾互动方式。

【长文第一及代表输出】Claude。代表输出：任务3研究长文，全文近3000字，最突出的是主动标注了10条「需要核实」，最后给出核实渠道优先级建议：平台官方规则中心 > 官方客服 > 商家后台实际提示 > 其他。是全场唯一在长文里系统标注存疑的工具。

【研究/事实核查第一及代表输出】秘塔AI搜索。代表输出：任务5核查B站创作激励，给出官方规则页URL（bilibili.com/read/cv173108），明确标注页面无更新日期，区分2018年原始规则和当前可能已变更的内容。核查视频号时引用腾讯官方培训资料，标注「优质原创」「符合内容规范」无量化标准。全程引用26个网页来源。

【最意外的翻车点】Kimi从任务4开始要求办会员，不办就不再回答，6道题只完成了3道。另一个测试之外的发现：ChatGPT和文心首测时曾出现跳题和正文空白，我当时以为是工具翻车，重测才发现是我这边的操作失误——重测后ChatGPT 52→83、文心 39→75。给普通人的提醒：给AI下结论之前，先确认测试流程本身没出问题。

【最终留下3个 + 每个负责什么】①Claude——负责综合写作、长文整理、去AI味改稿，是唯一六维无短板的工具；②秘塔AI搜索——负责资料检索、事实核查、来源验证，检索型工具不跟写作工具比作文，但研究岗位全场第一；③DeepSeek——负责日常初稿、中文口语化改写、小红书短文，中文最自然且免费可用。组合逻辑：秘塔查资料 → DeepSeek写初稿 → Claude改长文和去AI味。

【结尾】这篇真正想回答的不是「2026年最强AI是谁」——那个答案几个月就过期。更像是在问：我今天这份具体的活，谁能帮我少花时间、少犯错、少写废话。事实由人核查，观点由人负责，结果由人判断。

如有需要ai测试报告自取。盲评评分报告.pdf