新V观海外：国产Kimi与海外GPT-4和Claude-3的体验差异

陈沛/文 在日常办公和生活中，我有经常使用Kimi、GPT-4、Claude-3等多个AI助手的习惯。久而久之，就逐步摸出了各个AI助手的特性以及对应的适用场景。

Kimi对长文档中的数字细节抓的更准

在日常办公中，使用AI助手快速总结长报告的核心结论和关键数字是高频使用场景。特别是一些机器学习领域的专业论文，关键研究成果通常是AI系统在某项测试基准上达成的得分或性能提升的百分比。

这时，能否从长达几十页的研究论文中准确、快速找到结论以及对应的具体数字，对于AI助手的使用体验有着至关重要的作用。

在这方面，GPT-4在总结的结果中，往往会包括原文结论中最明显的一项数字，再加上其它几条相对宽泛的描述。这种做法虽然能最大程度上避免生成错误内容，但实际的用户使用体验相对一般。

Claude-3虽然宣称输入上下文窗口的长度很长，但在实际使用中会受制于相对有限的文档上传处理能力。即便是人工转成长文本输入，但它总结的关键数字的准确性并不理想。

而Kimi不仅能直接给出长文档中的多条核心结论以及准确数字，还能在用户追问解释某一项数字的上下文背景时，继续给出准确的文档位置和内容解释。除了这种准确抓住数字细节的能力，Kimi的文档上传处理能力也能很好满足日常使用需求，还能进一步给出基于中文网页的追问建议。

因此，如果主要使用场景是处理总结各类专业长文档并输出中文内容，那么Kimi在绝大多数情况下都将是最佳选择。

Claude-3的强化推理能力超出预期

Claude-3一经面世，便由于出色的测试结果而广受关注。但是由于实际产品不支持互联网搜索功能，且实际使用中的文档处理情况并不出色，因此我一开始并没有持续频繁使用。

然而，直到最近，我尝试用海外流行的思维推理题“两根电线杆之间悬挂80米长电缆”对Claude-3、GPT-4、Kimi进行测试。这个问题需要跳出思维限制，就算普通人类用户也很难在第一时间就给出正确答案。

在这三个AI助手的测试结果中，只有Claude-3在第一次就直接给出了完全正确的推理结果。

而GPT-4和Kimi都没能得出正确结果。就算我继续给出一次提示和一次正确结果建议后，Kimi调整了结果但依然不正确，GPT-4则陷入了错误推理方向，调用专业数学插件Wolfram也没能给出结果。

GPT-4的产品化程度仍处于领先

如今，大语言模型之间的差距在缩小，模型在单一指标和单一测试基准方面的优势很难带来决定性的优势，而产品化程度和商业化方向正成为实现长久发展的关键因素，这种趋势也能从最近Inflection AI、Stability AI等热门AI公司出现的动荡中得到验证。

在产品化程度方面，GPT-4相对具有先发优势。GPT-4中的GPTs商店正式上线至今已经初具规模，形成了绘图、写作、办公、研究、编程、教育、生活等众多类别的定制化应用。

特别是在最近，GPT-4在生成内容中大量增加了需要用户二选一的比例，通过数据标记加速构建数据飞轮。

相比之下，尽管Kimi和Claude-3分别在追问建议、安全体验等方面优化了产品体验，但总体体验上仍处于起步阶段。

总结以上使用体验，我会选择继续付费使用GPT-4，而Claude-3则不会。目前免费使用的Kimi如果后续推出付费版本，我也会进行选择。