影片筆記：哪個 AI 最強？我全都要 — 讓 Claude 當大腦，指揮 Gemini 與 Codex 一起工作

一句話總結

講者 Dustin 主張在當前激烈的 AI 競爭下，不應單一依賴某一家模型，而應採取「多模型協作」策略：以 Claude 為大腦中樞與程式主力，搭配 Gemini 處理多模態與長文本，並利用 OpenAI (Codex) 作為備用與生圖專家，透過 Plugin 與 Agent 機制實現無縫協作。

核心重點

拒絕扁平化選擇：模型迭代快速（如 Claude 剛過一歲生日），單一依賴某家模型是不成熟的做法，應了解各家強弱項並搭配使用。

Claude 的定位（大腦中樞）：

• 擅長寫程式、長任務處理及工具呼叫，穩定性高。
• 等級選擇策略：Opus 用於高智力/複雜任務；Sonnet 用於日常簡單任務（講者主力）；Haiku 用於簡單查詢。
• 短板：缺乏對音訊、影片等多模態輸入的原生支援，需依賴工具截圖，效率較低。

Gemini 的定位（價效比與多模態之王）：

• 擅長長文本處理、資料清洗、音訊/影片原生輸入及影像辨識。
• 優勢：語音轉逐字稿速度快且準確；影片內容分析可直接標註時間點；影像辨識支援中文書籍數位化、座標回傳等。
• 劣勢：呼叫任務與寫程式表現不如 Claude 穩定，易產生幻覺（改 A 壞了 B）。

OpenAI (GPT/Codex) 的定位（備用大腦與生圖專家）：

• 優勢：額度政策目前比 Claude 大方；GPT-5.5 與 Claude Opus 在長任務處理上不相上下；GPT Image 2 生圖能力斷崖式領先。
• 用途：當 Claude 額度用盡、伺服器不穩定或遇到解不開的問題時，作為備用或評審（避免球員兼裁判）。

多模型協作實作：

• 透過 Plugin (外掛) 與 Agent (代理人) 機制，讓主力模型（Claude）在內部直接呼叫其他模型（Codex 或 Gemini）。
• 避免使用者頻繁切換介面，實現「小孩子才做選擇，我全都要」的協作模式。

詳細大綱

一、 模型選擇的心態：拒絕扁平化

• 社群常見問題：該選 ChatGPT、Codex、Claude、Gemini 還是 DeepSeek？
• 觀點：不應只跟定一家，因為模型迭代快，未來最強工具可能改變。
• 建議：採用搭配使用，了解各家強弱項。

二、 主流模型強弱項分析

#### 1. Claude (Anthropic)

• 定位：大腦中樞 (Brain Hub)。
• 優勢：
• 寫程式能力強。
• 長時間複雜任務處理佳。
• 工具呼叫穩定，不易斷線或卡關。
• 等級選擇策略：
• Opus：用於不確定任務、複雜架構、高智力邏輯推論。耗費額度最多，但最聰明。
• Sonnet：用於日常簡單任務（如寫信、套用模板）。適合額度緊縮時使用，講者目前主要使用此等級。
• Haiku：用於簡單查詢（如上網查資料）。最省額度，講者因方案額度充足較少切換，但建議低額度用戶（如 $20 Pro）精細切換以達 CP 值。
• 短板：
• 無法直接處理文字檔案以外的輸入（如音訊、影片、音樂）。
• 無法直接聽音樂、讀影片或抓影片畫面，需依賴工具截圖，效率低且耗 Token。

#### 2. Gemini (Google)

• 定位：價效比之王、多模態之王。
• 優勢：
• 長文本與資料清洗：處理幾十萬字摘要、API 費用便宜；適合改錯字、標記情緒、新聞關鍵字標籤等大量資料處理。
• 原生多模態支援：
• 支援輸入聲音與影片。
• 可區分多個講者、辨識語氣、聽懂音樂旋律（頻率、過門）。
• 語音轉逐字稿速度極快（30分鐘語音約30秒開始產出，3分鐘內完成），準確度高。
• 影片內容分析：可直接讀懂影片內容，標註家人、路人、風景片段時間點，便於後續剪輯。
• 影像辨識準確：支援中文書籍數位化、複圖辨識、回傳小圖座標（便於程式摳圖）、檢查排版問題（邊界超出、溢位、孤行、文字疊合）。
• 劣勢：
• 呼叫任務與寫程式表現不如 Claude 穩定，易有幻覺（改 A 壞了 B，修好 A 又壞了 C）。
• 備註：講者曾嫌棄 Gemini，但發現其特定 Use Case 後重新評估。

#### 3. OpenAI (GPT / Codex)

• 定位：備用大腦、生圖專家。
• 工具：Codex (Agentic AI 工具，類似終端機介面)。
• 優勢：
• 額度政策：目前訂閱方案給的額度比 Claude 大方（政策可能變動）。
• 長任務處理：GPT-5.5 與 Claude Opus 在長任務處理上不相上下，可信任。
• 備用機制：當 Claude 額度用盡、伺服器不穩定或遇到解不開的問題時，可切換至 GPT/Codex 救援或評審（避免球員兼裁判）。
• 生圖能力：GPT Image 2 模型目前生圖能力斷崖式領先，Claude 無生圖模型，Gemini 亦有差距。
• 講者未將其設為主力的原因：
• 習慣使用 Claude Code。
• 規則與環境設定（如 CLAUDE.md, rules, hooks）已建立在 Claude Code 環境中。

三、 多模型協作實作方法

• 核心概念：主力模型（Claude）作為入口，透過工具呼叫其他模型，避免使用者頻繁切換介面。
• 方法一：使用 Plugin (外掛)
• Codex Plugin：OpenAI GitHub 專案。安裝於 Claude Code 後，可透過指令（如 /codex）邀請 Codex 進來審查程式碼、救場或進行對抗式審查。
• 實作案例：講者設計 Codex image 指令，讓 Claude 直接呼叫 Codex 生成客製化圖卡（如 Instagram 分享圖），無需離開 Claude 介面。
• 方法二：使用 Agent (代理人)
• Gemini Agent：將 Gemini 封裝為常態角色。
• 專用 Agent：規範好 API、檔案傳輸、模型選擇，用於語音轉文字等常見任務。
• 通用 Agent：呼叫電腦內的 Gemini CLI 工具，根據任務智力需求分配模型（如長文本摘要使用 Flash 模型以節省成本）。
• 流程：Claude 接收需求 -> 呼叫對應 Agent/Plugin -> 其他模型執行任務 -> 結果回傳 Claude -> Claude 進行下一步整合。

四、 總結建議

• 建議使用者親自嘗試各模型，根據自身生涯階段、任務需求及 AI 滲透率調整主力模型。
• 心態：小孩子才做選擇，我全都要（多模型協作）。

工具 / 模型 / 名詞整理

• 模型/產品：
• OpenAI
• ChatGPT
• Codex (OpenAI 的 Agentic AI 工具)
• Claude (Anthropic)
• Opus (Claude 等級)
• Sonnet (Claude 等級)
• Haiku (Claude 等級)
• Gemini (Google)
• Gemini Flash Lite
• Gemini 3.5 Flash
• DeepSeek
• GPT-5.5
• GPT Image 2
• Claude Code
• Whisper (模型)
• Claude.md
• Rules
• Hooks
• Codex Plugin (OpenAI GitHub 專案)
• Codex image (講者自訂指令)
• Gemini CLI 工具
• Agent / Skill (概念)
• Reddit (論壇)
• IG / Instagram (平台)

操作流程整理

需求分析：使用者提出需求，Claude 作為大腦中樞進行初步判斷。

任務分流：

• 若為程式開發、複雜邏輯或工具呼叫：由 Claude (Sonnet/Opus) 直接處理。
• 若為多模態輸入（音訊、影片、圖片）或長文本資料清洗：Claude 呼叫 Gemini Agent 或相關工具。
• 若需生成圖片：Claude 呼叫 Codex Plugin 中的 Codex image 指令，調用 GPT Image 2。
• 若遇 Claude 額度用盡、伺服器不穩定或無法解決的問題：切換至 GPT/Codex 進行救援或評審。

結果整合：其他模型執行任務後，結果回傳至 Claude。

最終輸出：Claude 整合所有結果，進行下一步操作或輸出最終答案。

值得注意的限制或風險

Claude 的多模態限制：無法直接處理音訊、影片，需依賴工具截圖，效率低且耗 Token。

Gemini 的穩定性：在呼叫任務與寫程式表現上不如 Claude 穩定，易產生幻覺（修好 A 又壞了 C）。

政策變動風險：OpenAI 的額度政策目前比 Claude 大方，但講者註明「政策可能變動」。

模型迭代速度：模型迭代快速（如 Claude 剛過一歲生日），當前最強工具未來可能改變，單一依賴風險高。

逐字稿辨識疑點

• Haiku 切換頻率：講者提到「也不太會好玩」，語意不明，疑為口誤或聽寫錯誤，可能意指「不太會換」或「不太會玩」。
• Geminate：逐字稿中出現「但是 geminate 可以做到」，應為 Gemini 的口誤或聽寫錯誤。
• Nano Banana：講者提到「Gemini 的 Nano Banana」，疑為 Gemini 某個模型名稱的聽寫錯誤（如 Nano、Banana 等詞彙組合），需查證。
• GPT-5.5：講者提到「GPT-5.5 現在跟 Claude Opus 是不相上下」，需查證目前 OpenAI 是否已發布此版本名稱。
• 2026年中：講者提到「我們 2026年中」，若影片非於 2026 年錄製，此時間點可能為口誤或預測性說法，需確認實際時間背景。
• VCR V8：講者提到「出去玩拍的 VCR V8」，V8 疑為口誤或特定格式/設備名稱，需查證。