V2EX 用户分享了一次 AI 使用体验：作者将一个简单任务——把约14张截图按文件名顺序拼接转换为可编辑的 Word 或 PDF 文件——分别提交给多款 AI 工具测试。作者最初使用免费的 workbuddy，因其生成速度较慢，又将相同任务提交给其他常用 AI 进行对比。测试结果显示，国内外模型表现差异明显：作者在提示词中只要求“按文件名顺序，还原成可编辑的 word 或者 pdf 文件”，并未要求美化或重新排版，国外模型基本按原图忠实还原，而国内两款工具都自动默认添加了绿色配色，排版与原图也有不少出入。作者形容国内模型的输出“感觉有很多人工干预过的东西混杂在结果里面”，不是标准化的逻辑输出。更令作者意外的是，其 Claude 账号此前被封，未订阅付费服务，仅凭免费试用额度完成任务，生成的结果却是最完美的。作者总结认为，国内模型“能用”，但在实际工作中不敢将任务直接交给它，担心出现意料之外的输出，这反映出用户对模型指令遵循能力和输出确定性的顾虑。
事件分析
从技术角度看，这一案例指向模型指令遵循能力与产品预设之间的张力。国内模型在用户未提出需求时自动添加配色、重排版面，通常源于产品层的隐藏系统提示词，或对齐训练后的“过度热心”倾向——模型被调优为倾向于展示更多增值输出。而 Claude 表现出的克制恰恰是 Agent 场景的核心能力：严格执行指令、不引入未要求的变更，这直接决定任务能否被放心地端到端委托。对产业而言，随着 AI Agent 落地，输出的可预测性和一致性将比单点效果更受重视，自作主张式的优化会持续消耗用户信任。需要指出的是，该测试样本量极小、任务类型单一，结论仅具参考性，但现象本身与社区长期讨论的国内外模型调优路线差异相互印证，可作为用户侧真实反馈的样本。
核心观点：AI 的可信度不在于做得更多，而在于严格遵循指令；过度热心的隐藏调优正在消耗用户对国产模型的信任。
原文链接：V2EX 分享发现
评论前必须登录！
立即登录 注册