上個月我接了一個批量寫文案的工作。手上有三個模型：兩個Claude、一個GPT。

每條文案都要求不超過80字。我隨手挑一個來跑，十條裡超了三條。

從那天起，每次換模型，我都得重新賭一次。

賭的不是它聰不聰明。賭的是它在我的工作裡，會不會翻車。

一、模型一多，換一次就賭一次

我的工作分三類：批量寫短文案、從工單裡抽欄位、偶爾算點數學題。

這三類工作對模型的要求完全不一樣。寫文案怕超字數，抽欄位怕格式歪掉，算題怕思路走岔。

同一件事，在三種工作裡就是三種失敗方式。所以「換個模型」從來不是換個名字那麼簡單，是換一套行為習慣。

但問題也從這裡開始：換得越多，需要重新確認的東西就越多。

二、官方只會說「更強」，不會說「在你這裡會不會翻車」

每次升級，官方說法都差不多：更強、更便宜、上下文更長。

這些話對所有人都成立，所以對特定的人沒什麼用。你真正想知道的是：我這種工作，它接得住嗎。

Sonnet 5.5出來的時候，模型頁寫得很克制：兩個模型獨立存在，遷移前請自行驗證。

翻譯過來就是——沒人替你測。

圖註：8道自動判定題、每題5遍，按有效判定次數計算通過率；2026-10-28實測。

三、自己試幾條，為什麼還是不夠

多數人的做法是拿幾條真實請求跑一下。這沒錯，但幾條試不出穩定性。

如果只是偶爾用一次，試幾條確實夠了。一旦要放進批量流程，問題就變了——一條錯一次，可能是運氣；同一道題五遍全錯，那就是行為。

我第一次只跑了兩遍。4.6在字數題上錯了一遍，我當時以為它只是偶爾手滑。

樣本太少，「偶發」和「習慣」根本分不開。

四、所以我把同一道題發了五遍

十二道題，每題五遍，三個模型，總共一百八十次呼叫。

八道能自動判定，另外四道程式與改寫題只能人工看，沒併進下面的通過率。

五遍不是為了把數字做大，是為了把錯誤分類：有的是每遍都錯，有的只錯一次。

這兩類錯，處理方式完全不同。

五、第一處差距：60個字

先看那道最不起眼的題：用不超過60個字解釋MoE，不准出現「專家」。

MoE你可以理解成「一群小模型分工幹活，每次只叫醒其中幾個」。題目要的不是定義多準，是能不能收得住。

三個模型給出的長度是65、58、48。

Sonnet 4.6：

一種模型架構，將網路劃分為多個子模組，每次輸入時由門控機制動態選擇少數子模組參與計算，從而在保持低計算量的同時擴大模型總參數規模。

Sonnet 5.5：

一種神經網路架構：由多個子網路和一個路由器組成，每次輸入只激活其中少數子網路處理，在擴大模型容量的同時降低計算成本。

GPT-6.1 Sol：

MoE是一種模型架構，透過路由機制為每個輸入選擇少量子網路參與計算，以較低計算成本擴大模型容量。

讀到第三段你就能看出來，4.6比上限多出五個字，超出的部分多半花在「門控機制」「動態選擇」這些限定語上。

這兩個詞不是廢話，它們讓定義更準。可題目寫的是硬約束，不是建議。

我又發了四遍。加上第一次，五遍的字數是65、62、68、66、70。

五遍一次沒進60。換句話說，它看起來就沒把字數當成條件，而是按「把話說完整」在寫。

這個習慣放在寫作裡是優點。放進批量流程就是故障——每一條都要人工回爐，回爐的成本比呼叫費貴得多。

六、第二處差距：只錯一次，和錯五次，不是一回事

上一節是每遍都錯，這種好判斷。還有一種是只錯一遍，那就難說了。

機率題：從1到5取三個不同數字，和為偶數的機率，答案是3/5。

5.5五遍裡四遍對。錯的那遍，推理是這樣的（節錄）：

三個數全為偶數：只有2、4兩個偶數，取不出三個，0種。一個奇數加兩個偶數：C(3,1)×C(2,2)=3種。所以機率為3/10。

它把「兩奇一偶」記成了「一奇兩偶」，組合數正好錯一半。

這裡要分清兩件事：偶發錯誤可以靠重試攤掉，穩定錯誤只能換模型或者加一層校驗。前者是成本，後者是架構。

到目前為止，5.5只在這一題上錯過一次，其餘三十九次全對。

七、第三處差距：標價一樣，帳單為什麼差五倍

看到這裡，答案好像已經清楚了：換5.5。

但還有第三個選項，標價和5.5一模一樣。Sol每百萬輸入$2、輸出$10，光看價目表，你會以為它們是同一價位的東西。

跑完才發現不是。同樣十二道題，Sol一次呼叫$0.0265，5.5只要$0.0047，差5.6倍。

錢花在哪？同樣一道題，它收的錢是5.5的五倍多。

貴本身不是問題，直到你看到它在橢圓那題上五遍錯了兩遍，只回了一個答案：

(\frac{4}{5})

正確答案是16/5。三角那題它五遍全對，橢圓這題連著錯兩遍。

圖註：橫軸為單次呼叫成本（對數），縱軸為自動題通過率；綠區是「更便宜、更準」的方向。

價目表只是起點。帳單要看它跑一趟花多少，而花得多，也可能是花歪了。

全部模型的單價可查 價格總覽頁。

八、換一個真的活：一百個格子

十二道題都是人造的小題。真實的工作長這樣：二十條客服工單，抽出單號、客戶、產品、金額、日期。

總共一百個格子，三家全對。

準確率拉不開差距的時候，差別就只剩時間：5.5用7.5秒，Sol用29.3秒，4.6用37.9秒。

單次差半分鐘不算什麼。但一天跑一萬條，就是八十多個小時的差距。

九、所以，什麼場景選什麼

到這裡，三件事已經清楚了：4.6輸在長度約束，5.5只錯一次推理，Sol最貴還錯在簡單題上。

那怎麼選？分場景看。

如果你的工作裡，字數和格式是硬指標——批量文案、結構化輸出、介面回傳——換5.5。三個模型裡，只有它沒在長度約束上失過手，中位耗時也最短。

如果你的工作是「寫一篇東西，人來改」，留在4.6也合理。它寫得完整，多出來的資訊量在人工潤色時反而是優點。

如果你想找更便宜的同價位替代，Sol不合適。標價和5.5一樣，實付貴5.6倍，橢圓那題五遍錯兩遍。

表格最後一行要補一句：這條是按規格寫的，我沒測。

十、這套測試沒覆蓋什麼

十二道題每題五遍，另加一個二十條工單的抽取任務，只測單輪文字。

長上下文、多輪對話、工具呼叫、圖片理解，這次都沒測。所以上面所有結論，只適用於「單輪、短輸入、有明確對錯」的工作。

一百八十次呼叫裡有十三次網路中斷，未計入通過率。四道程式與改寫題屬人工判斷，沒納入自動統計。價格按模型頁當日抄錄，實際帳單以平台計費為準。

如果你的工作不在這個範圍內，比如要一次讀進幾十萬字，或者要接工具鏈跑自動化，那次測試只提供了一個起點，不能替你下結論。