我受够了那种测评文章。找几道明显偏向自己支持的模型的题，宣布胜者——那不叫测评，那叫广告。

我花了三周，设计了100道题，横跨8个维度，全部来自真实工作场景，分别喂给 GPT-4o 和 Claude 3.7 Sonnet，每道题的输出结果都记录下来。目标不是分出高下，是搞清楚各自适合什么。

—

代码：Claude 赢了，但没赢许多

15道题，Claude 11分，GPT-4o 9分。

Claude 的优势聚焦在两类：大段重构——它给出的结构比 GPT-4o 清晰，拆分粒度更合理，GPT 有时会过度设计，加一堆用不到的抽象层；报错分析——Claude 定位问题更快，还会主动说”这个报错一般还伴随另一个问题，顺便看一下”。

GPT-4o 的优势是知识覆盖面更广，一些冷门库的用法它能答出来，Claude 有时给的答案接近正确但差一点。

—

长文本：Claude 碾压

没有悬念。把一份 40 页技术文档喂进去，Claude 的摘要准确、分层清晰，GPT-4o 在几个细节上有偏差，还有两处逻辑关系理解错了。测中文长文差距更明显——Claude 对中文语义的把握好一个档次，长段落里的逻辑关系不会混淆。

—

逻辑推理：GPT-4o 意外不错

这是最让我意外的维度。12道题，GPT-4o 拿 9 分，Claude 拿 8 分。

GPT 在”陷阱题”上比 Claude 好——那种看起来像逻辑题但实际需要常识判断的题，Claude 有时会想太多，推理链走太远，绕远了。数学方面两个都一般，超过高中难度基本都开始出错，没有本质区别。

—

创意写作：两个方向，各有擅长

GPT-4o 写出来的东西更顺，更像大众读物，广告文案直接用没问题。Claude 的质感更好，用词更讲究，但有时在应该简洁的地方搞太文艺，品牌文案反而不对味。

我的实际用法：广告和社媒内容用 GPT，有深度的长文和故事叙述用 Claude。

—

中文表达：Claude 明显更自然

Claude 的中文读起来更像人写的，句子有节奏感，不会每段都是”第一其次最后”那套。GPT 的中文有股机翻腔，总结列举时尤其明显。写给中文读者的内容，Claude 生成后改动量更小。

—

指令遵循：各有利弊

Claude 更严格执行，几乎不越界。GPT-4o 有时会”创造性解读”你的要求，在 JSON 外面加一段说明。但 Claude 的严格是双刃剑：你的指令不准确时，它会严格按字面意思走；GPT 反而会猜你的意图，有时猜对了。

—

边界策略：GPT 更保守，Claude 更直接

GPT 的拒绝率更高，有时正常技术问题也触发免责声明。Claude 处理同类问题更干脆，不会动不动加”我需要提醒你……”

—

综合结论

Claude 更适合：中文内容创作、长文档处理、代码重构和报错分析、需要严格按格式输出的场景。

GPT-4o 更适合：需要覆盖更广知识面、广告和大众化内容、逻辑陷阱题、以及你的指令描述不够准确时。

如果只能选一个，我日常会选 Claude，由于我主要做中文写作和代码工作。但如果你的场景更多是英文创意内容或冷门领域，GPT-4o 可能更合适。

现实情况是：两个都订，按场景切换，才是最省力的做法。