AI 工具横评实战 · 中篇 ： 六款 AI 干同一

六款桌面 AI 跑同一份政务工单，分数挤在 27 到 30 之间，结果却差出六个物种。

WorkBuddy 满分交卷，却差点交出一份“错得很安静”的答卷。它写的正则把英式日期抓错，6 处异常被静默跳过，最后靠自查才找回。AutoClaw 自报只跑了 4 分钟，我按秒表却过了 35 分钟。中间撞上额度墙，三次回车都是被逼的。

千问和豆包双双栽在 Windows 装不上依赖包上。千问硬试换版本，豆包直接弹窗硬闯。豆包还主动删了 5 条边界数据，导致统计口径和别人对不上。DeepSeek Harness 被自家沙箱拦了三次，排障是教科书级别，乱码题直接判“物理不可逆”，一分不丢。

灵犀专业版也拿了满分，却在一条无解的乱码题上死磕了 20 分钟。它枚举缺失字节、写 DP 搜索，最后杀进程才放弃。正确不等于高效，AI 缺的不是能力，而是知道何时停手。