Claude获得77分，Gemini获得76分，ChatGPT垫底，获得20分。

这项数据来自 AiPy 在 7 月 31 日发布的最新一期“大模型适配度测评报告”。测评围绕五大核心应用场景：信息获取、数据处理、可视化分析、系统分析、交互操作，共计130项任务。评估维度包括成功率（权重80%）、执行时间（权重10%）和Tokens消耗（权重10%）三个方面。

尽管这个数据的样本有限，但还是具有一定参照性的。

笔者认为，个性化模型时代，其实很难讨论哪个模型最强，这三个模型中，最强的不是某一个模型，而是：

大模型进入了“能力分化”的阶段，而不是“通吃”的阶段。

①Claude：不是最聪明的那一个，但最省心

在这次测评中，Claude Sonnet 4 被 xAI 的 Grok 超过，成功率和效率上均无突破亮点。结合我自己的使用感受，Claude 在复杂数据处理、系统任务规划、多语言交互这些偏“执行类”的任务中表现较为稳定但要说创新也算不上。

但是，不管是Sonnet还是Opus，Claude都延续了Anthropic团队那种“像人又不是人”的亲切感。它写的代码不一定是最前沿的，但稳、可复用、边角处理齐全，有时候你自己都没意识到有坑，它已经帮你垫上 try-catch 了。它理解需求不是靠语言模型的“意图捕捉”，而像是靠几十个老项目踩过的坑总结出的直觉。

它也不和你扯什么“架构哲学”，你想怎么写，它就照着你那套思路补上去，是一个比较默契的开发搭子。

②Gemini：跑得快、眼界广，但思维层级不稳定

Gemini的问题是，它知道得很多，但不一定能好好理解你要它干嘛。

在此次测评中，Gemini 2.5 Pro 是平均响应时间最快的模型，但它的成功率并不是最优。这印证了一个印象：Gemini 在语音、视频、搜索类任务中反应超快，但到了多步骤逻辑执行、任务拆解这些需要深层结构规划的任务上，就有点稚嫩。

我个人也有类似感受，Gemini 非常适合写资讯稿、做实时搜索类摘要，尤其多语言能力极强，但一旦你把任务链拉长，它容易在中途跑偏。

而且，目前 Gemini 在指令可控性上依然不如 Claude 或 GPT，表现出了一种先跑再想的特质。

Gemini适合对响应速度、信息广度要求极高的用户，例如外贸、新闻、翻译、内容审核团队，不太适合需要稳定长期逻辑推理、复杂任务链调度的开发或科研用户。

③ChatGPT（GPT-4.1）：曾经的王者，陷入替身危机

必须要诚实地说一句：GPT 目前陷入了多重身份的泥潭。

它既要当写稿能手，又要兼顾多轮对话、又要接开发插件、又要应对成本控制，在企业端和消费者端之间左右为难，结果就是在每一项都不够极致。

从测评数据看，GPT-4.1 成功率为0，主要是因为它在代码任务中存在严重的代码块标记规范失败问题。这不代表它不能生成代码，而是说它无法稳定地完成严肃工作流中的代码处理任务，这对企业来说是致命的。

而在我最近的使用中也感受到一个很明显的问题：GPT越来越“滑”，它开始用策略型语言试图规避问题或模糊表述，以降低出错概率。听起来圆滑，实则效率下降。

OpenAI在最近的多模态集成、Agent实验上有一些探索，如GPT-4o，但能力丰富并没有换来能力强大。

GPT适合追求稳妥表达、综合问答、插件生态体验的用户，不适合谁需要低延迟、结构化、快速执行的生产场景用户。

当然，对于我们普通用户来说，我们只要择优选择适合任务场景的模型，每一个模型都能发挥最大效率。