# 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
1.  **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。
2.  **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。
3.  **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）。
4.  **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）。
5.  **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
1.  **需求分析**：使用者提出需求，Claude 作為大腦中樞進行初步判斷。
2.  **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。
3.  **結果整合**：其他模型執行任務後，結果回傳至 Claude。
4.  **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
1.  **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。
2.  **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）。
3.  **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」。
4.  **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。