过去几个月，如果你问我一句：

“目前最值得长期用的 AI，到底是谁？”

我的答案大致率会超级直接：

Claude。

不是由于它在所有能力上都绝对第一，而是由于在真实工作场景里，它最像一个稳定、可靠、愿意跟你长期协作的工作搭子。

尤其当你把上下文、文件夹、工作流、连接器这些东西都接起来之后，Claude 不只是一个聊天框，而更像一个能持续替你处理工作的系统。

所以过去那段时间，许多人自然形成了一个判断：

只要选一个就够了。
这个“一个”，大致率就是 Claude。

但最近这波变化，的确 把局面重新搅动了。

不是由于 Claude 突然不行了。

而是由于 ChatGPT 在几个高频场景上，突然连续补上了最关键的短板：

• 图片
• 搜索
• 编码
• 写作
• 甚至 Google Sheets

它不是单点更新，而是一连串能力突然连起来了。

这就带来一个很现实的结论：

“只用一个 AI 解决所有问题”这件事，正在变得越来越不现实。

真正该放弃的，不是哪家模型，而是“一把梭”的幻想

许多人特别想要一个干净答案。

一个标签页。
一张账单。
一个可以汇报给老板、也方便团队统一采购的标准答案。

这种心理我完全理解。

企业想简单，个人也想简单。

谁都不想每两个月重新评估一次工具栈。

但目前的问题在于，模型迭代的速度已经快到几乎不允许你继续偷懒。

以前你可以说：

“我先选一个最强的，后面慢慢再看。”

目前更像是：

“不同模型已经在不同工作块上拉开差距了，如果你还坚持只选一个，代价会越来越明显。”

所以这篇文章最重大的，不是告知你“谁赢了”。

而是告知你：

从目前开始，更实用的思路不是选冠军，而是做分工。

先给结论：我目前更推荐这样的 AI 分工

如果你不想看分析，只想先拿一个可执行版本，那我会先给你这个：

• Claude 负责日常工作主脑
• ChatGPT 负责图片、搜索、表格
• Gemini 负责非英语任务
• Gamma 负责演示文稿

这不是一个“永远正确”的组合。

但至少在当前这个时间点，它是足够好用、足够现实、也足够容易落地的一套工作分工。

注意，我说的是“分工”，不是“排名”。

一旦你换成这个视角，许多纠结会瞬间消失。

由于你不再逼自己回答一个错误的问题：

“到底谁最强？”

你只需要回答更有用的问题：

“这项工作，目前应该交给谁？”

为什么 Claude 依然是最强工作主脑

如果你的工作核心依旧是：

• 写邮件
• 写简报
• 写合同
• 写文案
• 写备忘录
• 基于一堆上下文持续推进复杂任务

那我依然会把 Claude 放在最前面。

缘由实则一点都不性感，甚至可以说超级无趣：

上下文管理。

许多人以为用好 AI 的秘诀是 prompt。

但真正决定质量的，从来都不是你写得多花，而是模型有没有吃到足够多、足够稳定、足够长期的上下文。

Claude 之所以在工作场景里一直表现强，核心就在于它特别适合和你的文件系统、资料夹、长期资料、连接器一起使用。

你完全可以给它准备一整套“工作环境”：

• 你是谁
• 你公司做什么
• 你的写作风格
• 团队共享技能
• 历史输出
• 相关项目文档

这样它不是每次都从零开始猜你是谁、想做什么，而是先读懂环境，再开始工作。

这会带来一个超级本质的差别：

你不是在反复提示一个模型。
你是在训练一个能持续接手工作的系统。

这就是为什么在纯工作写作和协作这件事上，我还是更愿意把 Claude 放在主位置。

ChatGPT 这次真正回来的，不是“聊天能力”，而是三个高频场景

如果只说“ChatGPT 回来了”，这句话实则太空了。

真正值得说清楚的是，它到底回来了什么。

在我看来，最重大的是这三件事：

1. 图片

这一轮最大的变化，几乎所有人第一眼都会看到。

ChatGPT 在图像生成上，已经不再只是“能出图”，而是开始接近一种真正可以进入工作流的设计能力。

它最厉害的不是单张图好看。

而是下面这些能力开始同时成立：

• 文本控制更强
• 风格理解更稳
• 多语言设计可用
• 信息图、品牌稿、海报、教材页、 mockup 这些复杂任务都能做
• 输出不再只像 AI 生成图，而更像一个设计方向明确的草稿系统

这意味着它已经从“玩具”往“生产工具”迈了一大步。

如果你的工作常常涉及：

• 社交媒体视觉
• 品牌草稿
• 教学插图
• 信息图
• mockup
• 海报
• 封面

那你很难再忽视它。

2. 搜索

另一个变化，是搜索。

许多人过去会额外装一个搜索型 AI，或者在不同产品之间来回跳。

但目前，ChatGPT 在深度检索这件事上，已经越来越像一个能真正替你做研究助理工作的系统。

它不只是“给链接”。

好的地方在于，它开始更像在帮你完成一个完整的研究动作：

• 先把当前答案找出来
• 再告知你最近变了什么
• 再列出最好的来源
• 再指出哪里还不确定
• 最后给出下一步提议

这才是真正可用的搜索。

如果你的工作常常要做：

• 行业调研
• 竞品梳理
• 最新动态追踪
• 资料搜集
• 快速形成判断

那目前的 ChatGPT，已经值得重新放回你的主工具栏里。

3. Google Sheets

这可能是最容易被低估，但实际最容易普及的一步。

过去 AI 和表格之间一直有一个很讨厌的断层：

你可以让模型帮你想结构，甚至导出一个表格文件，
但一进真正的 Google Sheets 里，它就像断电了一样。

目前这个问题开始被解决。

一旦 AI 能直接进入表格工作流，事情就完全不一样了。

由于这意味着你终于可以在真实的业务场景里，让它帮你做：

• 任务规划
• 数据整理
• 工作簿搭建
• dashboard 结构设计
• 公式联动
• 检查逻辑
• 批量研究与填充

而这些事，恰恰是许多中层、运营、分析、市场、项目经理每天最常见的工作。

如果说图片和搜索更像“让人惊艳”，

那表格这件事更像“真正会渗透到每周工作里”。

Gemini 依然有自己的位置，只是不是所有人都需要

许多中文用户会忽略一个问题：

英语世界里的模型排行，不必定能直接代表你在本地语言环境里的真实体验。

尤其当你需要处理的不是英语，而是中文、法语、希伯来语、阿拉伯语、日语、韩语、泰语这类任务时，差异会超级明显。

小语种和非英语工作里，许多模型的问题不是“错”，而是“不像人”。

读起来像把英文思路硬翻译过来。
句子结构对了，但语感不对。
逻辑通了，但没有本地人的自然表达。

所以如果你的核心工作不是英语，

你真的不能只看排行榜。

最现实的判断方法只有一个：

拿你自己的真实任务去测。

在这件事上，Gemini 目前依旧值得保留一个位置。

不是由于它对所有人都最好，

而是由于在语言任务里，它在不少场景下的确 更自然。

演示文稿这件事，别高估 AI，也别低估现成产品

还有一类任务也值得单独拿出来讲：

PPT 和演示文稿。

许多人一上来就想：

“既然 AI 目前都这么强了，那是不是可以从零帮我做完整 deck？”

理论上可以。

但实际上，大部分人真正需要的，不是“从零全自动出神级 PPT”，

而是：

• 先帮我把内容结构弄清楚
• 再帮我做成一个不难看的成品
• 最后让我能快速改

这时候，像 Gamma 这种专门做演示文稿的工具，反而依旧更合适。

最好的流程不是直接在 Gamma 里硬做。

而是：

先用 ChatGPT 做调研、梳理结构、形成素材，
再把这些内容交给 Gamma 去生成演示稿。

这类“模型 + 专用工具”的组合，往往比你坚持一个平台包打天下更实用。

真正该怎么开始：不要一次全测，先挑 3 个

看到这里，许多人会开始犯另一个错：

“那我是不是应该把所有工具都装一遍？”

千万别。

你不会真的全部用起来。

更有效的方式，是只选和你工作最相关的 3 个动作先落地。

我提议这样选：

• 如果你主要靠写作和协作工作：先把 Claude 的工作流搭起来
• 如果你常常碰表格：先装 ChatGPT + Google Sheets
• 如果你常常做视觉：先认真测试 ChatGPT Images
• 如果你常常跨语言：拿 Gemini 做真实任务对比
• 如果你要做演示稿：把 Gamma 接进流程里

不要尝试一周内把所有工具都研究清楚。

你真正需要的，不是知识，而是工作流迁移。

最后，关于“到底该选谁”的一个更诚实答案

许多人还是会继续追问：

“你就直接说吧，我到底该买 Claude 还是 ChatGPT？”

更诚实一点的答案是：

如果你公司已经买了 Claude Enterprise，那就认真把 Claude 用好。
如果你公司已经买了 ChatGPT Enterprise，那就认真把 ChatGPT 用好。
如果公司两个都买了，那就两个都用。
如果你自己付得起，而且工作强依赖 AI，那就都买。

由于目前真正的瓶颈，已经不只是模型差距。

更大的问题是：

你有没有把模型放进正确的工作位置里。

这轮变化最值得注意的，不是 ChatGPT 又赢了，或者 Claude 失势了。

而是：

“一个 AI 干所有事”的时代，可能真的开始结束了。

接下来更机智的做法，不是谁都别用，也不是永远只押一个。

而是像搭团队一样搭工具栈：

谁擅长写，就让谁写。
谁擅长搜，就让谁搜。
谁擅长做图，就让谁做图。
谁擅长表格，就让谁进表格。

当你不再执着于“唯一答案”，反而更容易真正把 AI 用进工作里。