为什么很多人感觉 Claude 比 GPT更聪明？
有一个非常有价值的第三方实验。
Viktor 在完全相同的工具、workspace、prompt 下测试 GPT-5.6 Sol/Terra/Luna 与 Fable/Sonnet 等模型，最后把差异总结成：
GPT-5.6 tends to under-explore and under-communicate。
Claude tends to over-explore and over-communicate。
也就是说：
GPT 的典型错误是：“差不多够了，交付。”
Claude 的典型错误是：“我再查查，我再解释一点，我顺手再把这个也处理了。”
同一个测试里，Claude 发出的 Slack 回复中位长度大约是 GPT 的两倍，并且往往进行了更多次 Agent 调用；GPT 整体任务速度和成本明显更低。
这其实高度符合两家的对齐哲学。
那么为什么很多人感觉 Claude 比 GPT更聪明？
这是一个很重要的心理学现象。
假设两个模型实际上都知道正确答案。
GPT：
A 更好。主要原因是 X 和 Y。
如果你的目标是 Z，则改选 B。
Claude：
我认为这里真正的问可能不是 A 和 B 哪个更好，而是你实际上在优化 X 还是 Y。
如果结合你前面提出的约束，我会倾向于 A，不过这里有一个容易被忽略的问……
第二个答案很容易让人形成：
“Claude 理解我。”
甚至：
“Claude 比 GPT 聪明。”
实际上这里混合了三件不同的东西：
能力深度 + 探索预算 + 表达方式。
用户往往把三者全部感知成“智商”。
这也是为什么 benchmark 只有 1～2 分差异的模型，实际使用感受却可能非常大。
（以上为来自 GPT5.6 Sol 的辩解）
@aigc1024
有一个非常有价值的第三方实验。
Viktor 在完全相同的工具、workspace、prompt 下测试 GPT-5.6 Sol/Terra/Luna 与 Fable/Sonnet 等模型，最后把差异总结成：
GPT-5.6 tends to under-explore and under-communicate。
Claude tends to over-explore and over-communicate。
也就是说：
GPT 的典型错误是：“差不多够了，交付。”
Claude 的典型错误是：“我再查查，我再解释一点，我顺手再把这个也处理了。”
同一个测试里，Claude 发出的 Slack 回复中位长度大约是 GPT 的两倍，并且往往进行了更多次 Agent 调用；GPT 整体任务速度和成本明显更低。
这其实高度符合两家的对齐哲学。
那么为什么很多人感觉 Claude 比 GPT更聪明？
这是一个很重要的心理学现象。
假设两个模型实际上都知道正确答案。
GPT：
A 更好。主要原因是 X 和 Y。
如果你的目标是 Z，则改选 B。
Claude：
我认为这里真正的问可能不是 A 和 B 哪个更好，而是你实际上在优化 X 还是 Y。
如果结合你前面提出的约束，我会倾向于 A，不过这里有一个容易被忽略的问……
第二个答案很容易让人形成：
“Claude 理解我。”
甚至：
“Claude 比 GPT 聪明。”
实际上这里混合了三件不同的东西：
能力深度 + 探索预算 + 表达方式。
用户往往把三者全部感知成“智商”。
这也是为什么 benchmark 只有 1～2 分差异的模型，实际使用感受却可能非常大。
（以上为来自 GPT5.6 Sol 的辩解）
@aigc1024
