各位朋友大家好
我是 Dustin
那我今天這一集
想要跟大家聊一聊模型的選擇
我們可以看到像這樣的留言
在社群上面其實一直在被討論
比如說到底我要選擇 OpenAI 的 ChatGPT、Codex
還是說我要選擇 Claude
還是說我要選擇 Gemini
或者像是我要不要去接入 DeepSeek，像
這樣的問題
那麼這些問題
其實對我來說
我覺得不應該被扁平化
什麼叫扁平化
不應該說好像我們就只跟定一家模型
其他的我們就不跟了
因為我們都知道各家模型商之間的競爭是非常激烈的
那往往一家發了新模型
另外一家就會更迭代
而且我們現在在用的這個 Claude
它其實也才剛過一歲生日而已
我們也無法去預知
說
搞不好明年最強的工具就不是這個了
所以
我覺得比較成熟的心態應該是搭配使用
所以今天我想來跟你先講解在我個人的想法裡面
主流模型的強弱項分別是什麼
那當然因為主流模型也是蠻多的
所以
我會以我自己常常在使用的為主
接下來
我們會聊一聊我是怎麼配置讓這些模型可以放在一起協作的
那我們就開始
首先第一個當然是 Claude
Claude 他們家的模型被我當做是大腦中樞
有幾個原因
第一個原因是因為 Claude 模型在寫程式上面以及在長時間複雜任務的處理跟工具呼叫上面做的是最好的
不會說做一做就斷掉或者是做到卡關就停下來
所以
我選擇用 Claude 做我的大腦模型
也就是我通常都是
用 Claude 的模型去互動
讓他去幫我執行任務
那麼 Claude 模型也有分好幾個等級
比如說 Opus、Sonnet 跟 Haiku
我會怎麼去分
如果是要做一些我不確定的任務
複雜的架構
或者是真的比較需要智力邏輯推論的任務
我就會用 Opus
或者是如果當中我的額
度太多沒有燒完
我就會給他用 Opus 狂燒
他最聰明
但他的額
度消耗最多
那如果我當中額
度比較緊
或者是我在處理的任務就是一個步驟比較簡單
不會用到太多智力的任務
那我就會用 Sonnet
比如說寫信回信套既有的模板
那 Sonnet 是最適合我們日常使用的任務
我自己也沒有感覺到 Sonnet 有什麼太大的阻礙
那如果還有一些東西
比如說像是隻是上網查個資料
那我就會用 Haiku
因為這個模型是最省額
度的
不過啦
其實 Haiku 我不常切
是因為我自己的方案
目前是 100 美元的方案
我不用特別去切 Haiku
我一直用 Sonnet
也不太會好玩
以我的工作
量跟頻率來講
所以
我就沒有特別去切 Haiku
但是如果你今天用的是 20 美元的 Pro 的話
那可能你的切換就會更精細來達到最好的 CP 值
所以這個是 Claude
但是 Claude 也有它的短板
他雖然最強的是寫程式跟任務的呼叫
但他的短板就是他無法去吃文字檔案以外的 input
比如說你想要讓它去轉錄一段語音成為文字檔
你想要讓它去聽音樂
瞭解這個音樂哪裡是過門
你想讓他去讀影片
去幫你對影片做摘要
甚至是抓影片裡面的某一幕的畫面
那麼 Claude 在做這件事上面是比較困難
甚至有可能會做不到
那麼這個時候我們就要來講到第二家被人廣為使用的模型了
叫做 Gemini
我想一定不少人都有用過
只是大部分人用的應該都是網頁版的 Gemini，對不對
那網頁版的 Gemini 當然量大管飽
可以很好的去
滿足我們的需求
還有就是 Google 官方也用他們的生態系的優勢
把 Gemini 嵌到了很多 Google 的服務裡面
所以你可以在很多地方用到它
那我之前還沒有用 Claude 之前
我其實也蠻常用 Gemini
甚至會讓它去做寫程式
去呼叫任務
但是很快的我就發現好像跟 Claude 一比
Gemini 在呼叫任務跟寫程式上面表現的不太好
不太穩定
常常會有幻覺
或者是今天我要他改 a
A 是壞的
他改了 a 的同時也把 b 改壞了
我再叫他把 a 跟 b 一起修好
結果他修好了之後又把 c 改掉了
那所以這就是為什麼 Gemini 後來被慢慢被我不用的原因
甚至我有一段時間是嫌棄 Gemini 的
但是我現在要跟你分享
你聽到有人在嫌棄某家模型的時候
其實代表是他們看到的 use case 不夠多
因為當我後來慢慢地接觸到不同的 use case 使用情境
AI 對我生活的滲透率越來越高
以及我的學員們
他們有各種不同的需求的時候
我慢慢又發現了 Gemini 的好處
所以我又寫了一篇文章
那在這邊跟大家也官宣
工商一下我自己的部落格
我會把 blog 放在下面的說明欄
在這個裡面我會每週更新大量的文章
分享我對 AI 的感悟
好
那這邊我有寫了 Gemini
我曾經也貶低過他
但是後來我發現他有 4 個其他家目前打不過的 use case
第一個
它在處理長文本以及大量資料的清洗的時候
它是價效比之王
長文本
比如說幾十萬字去做摘要
它的 API 是最便宜的
相較於其他家的
三家的模型
這種或者是資料清洗
比如說改錯字
比如說幫每一個
貼文去標上情緒的標籤
是負面還是中性
把每一則新聞的短訊標上這個新聞跟什麼關鍵字有關係
這種上標籤
資料清洗跟標記
它是價效比最高的
那當然價效比更高的也是有
來自中國的模型
不過這些模型
如果你用他們的端點
很多時候那個 Server 就在中國
所以如果你對一些個人資料安全隱私有疑慮的時候
那當然就不會是一個好選擇
那 Google 算是一個相對比較好的選擇
當然最好的選擇肯定是開源模型在自己內部自架
對不對
不過自架這個也需要有硬體的限制
不是所有人都辦得到的
所以權衡之下
安全與方便
與效能的平衡
我覺得 Gemini Flash Lite 是大量資料清洗的價效比之王
再來第二個就是它原生支援輸入聲音跟影片
那我目前試到的是它可以去處理有多個講者在同一個語音裡面
它可以分得清楚誰是誰
它聽得懂
他可以去辨識語氣
他也可以去聽懂音樂旋律
因為我有去玩一些音樂的專案
那我需要去收集音樂素材來編歌
那我就需要知道每個音樂的
頻率是什麼
過門是什麼
那這個 Claude 跟 GPT 做的都不是很好
甚至 Claude 是不能做的
因為它不能去讀聲音
但是 geminate 可以做到
而且做的非常的準
還有就是最近的新版好
當然
在我這個影片錄的當下
Gemini 3.5 Flash
它處理語音轉摘要、轉逐字稿的速度超級快
比如說
一段 30 分鐘的語音
它大概 30 秒就開始啪啪啪啪啪產出字稿
然後 3 分鐘之內馬上轉錄成文字
非常的準
不會漏掉
你想以前我們用 Whisper 的模型都還要花時間
還要試你電腦的效能
但是 Gemini 它可以做的又快又好
還有
有個學員
他的需求是他家裡有大量家族出遊的影片
這個在我另外一部影片有講到要把所有
有家人的片段撈出來
捨棄純風景跟路人的部分
就他小時候家裡拍的影片
出去玩拍的 VCR V8
那 Claude
因為它無法直接讀取影片
它只能去用工具去影片裡面
可能每 5 秒每 10 秒去截一張圖
去辨識
那這個就很耗 token
又累又不是一步到位
對不對
但是 Gemini
你只要把影片送進去
它可以直接讀懂影片的內容
告訴你幾分幾秒是家人
幾分幾秒有可能是路人
幾分幾秒沒有人
只是風景
那這些幾分幾秒回傳之後
我們就可以用工具來做快速的剪輯
這一點是 Claude 本身辦不到的
還有就是他對影像的辨識也非常的準確
有個學員他的需求是要把掃描的書籍數位化
但是
Claude 好像只能處理拉丁字母
那中文書就不太行了
辨識常常會錯誤
還需要事後的去猜測跟修正
還有如果圖裡面有
複圖
那 Claude 對複圖的辨識也不太好
但是 Gemini 可以完全準確地辨識
而且還可以去回傳這張圖裡面小圖的座標在什麼地方
那這個座標傳回來之後
我們可以再另外用程式把那個圖從另外一張圖裡面摳出來
這個是非常的實用的
甚至 Gemini 可以拿來去讀一些我們產出檔案的排版
然後可以準確地辨認出來哪些地方排版怪怪的
有邊界超出的
溢位的問題
有孤行的問題
有文字疊合的問題
準確地回傳需要修整的地方
簡單來說
Gemini 就是御三家裡面的價效比之王
它也是多模態之王
它跟 Claude 相比
雖然處理任務連續工具呼叫的能力沒那麼好
但是它有它自己的擅長
那 open AI 的 GPT 呢
OpenAI 的 GPT 如果用在像是 Agentic AI 的工具裡面
他們家原生的工具叫做 Codex
那麼 Codex 我可以開啟來給大家看一下
它長得就像是這樣子一樣
有沒有很像 Claude Code
對不對
好
其實 Gemini 他們家也有類似的
都是 Agentic AI 的工具
在終端機裡面就是它本身後面接的是 GPT 的模型
那麼 Codex 它的好處是這樣子的
我個人覺得
第一個目前來說
花同樣的錢買同樣的訂閱方案
他們家的額
度給的比 Claude 大方
當然
這個是屬於政策面
所以也許你過了兩年回來看我這部影片
或許 OpenAI 變得更摳了
Anthropic 變得更大方
也不一定
但目前為止
OpenAI 他們給的比較大方
可以用的比較久來長任務的處理方面
我認為 GPT-5.5 現在跟 Claude Opus 是不相上下
我都可以信任他們去幫我做場任務
不會斷掉
那所以
我目前用 Codex 主要的原因是因為我要把它當備用大腦
什麼意思
如果我的 Claude 它額
度被我用爆了
但我那個禮拜還是要工作
或者是我的 Claude shut down 了
他們伺服器常常不穩定
那我就會馬上轉來 GPT
轉來 Codex 繼續做我的工作
不會整個停擺
或者是如果我的 Claude 它有一些問題解不掉
那我會讓 GPT 過來救援
嘿
這個很神奇
有些問題 Claude 解不掉的
GPT 反而就可以解掉
或者是拿來當評審
用不同模型的角度去做審查
避免球員兼裁判的問題
還有
他們家有一個非常重要的特色
就是目前為止
我們 2026年中
GPT 的 Image 2 模型是生圖最強的模型
這個其他家都打不過
Claude 就不用講了
他們根本沒有生圖的模型
Gemini 的 Nano Banana
目前跟它有一段
不小的差距
目前的 GPT Image 2 的生圖是斷崖式的領先
所以
我需要生圖的時候
我就會使用 GPT
那你說 Dustin
那這樣聽起來好像你用 Codex 當主力也可以
為什麼你不用 Codex 當主力
你把 GPT 當備用
原因就是比較個人的
因為第一個我先用慣了 Claude Code
第二個則是因為我的 Harness 就是我的規則和環境這些東西都在 Claude Code 這個地方
所以
在這邊工作起來同樣厲害的模型
有一個好的環境
跑起來是最順的
像是 CLAUDE.md
像是 rules
像是 hooks
那我另外一部影片有在講
如果你想要兩邊都跑得很順
可以怎麼同步
你可以參考那部影片
所以我們剛剛講了這些家的優劣勢之後
對不對
你可能會想說
那 Dustin，那我自己該怎麼搭配
那當然我都會先建議各位都試看看
來想看看哪一個適合你的主力溝通的模型要當你的秘書長
那誰適合做什麼任務
你都試過一次之後
慢慢會感覺在你的角度
你覺得哪些模型適合做什麼事情
而且這個就算是同一個人也會改變的
因為你的任務有可能會隨著你的生涯而不同
有可能會隨著你讓 AI 跟你協作的滲透率的不同
還有就是這些家模型未來各家的發展也可能不一樣
所以你要不斷的去嘗試
精進研究
這是你的心態
最後我想要跟你來分享
那你要怎麼樣讓它們結合在一起
也就是你要怎麼樣讓你的這個主力模型能夠去順利地呼叫別家的模型去幫你做事
這樣你就不用再一直切去對不對
好
我們來分享兩個東西
第一個就是你還記得我們之前的影片有講到一個東西叫做 agent 嗎
還有一個東西叫 skill
Skill 就是一個技能
agent 就是一個代理人
這些 skill 跟 agent 我們都可以去指定讓模型做什麼樣的任務
那如果你想要讓你的 Claude 去呼叫 Codex 幫你做事
你不用自己親自切到 Codex
這個官方已經幫你搞好了
我也覺得很神奇
你可以去到這個地方 OpenAI
他們自己的 GitHub 賬號
他們有一個專案叫做 Codex Plugin
把這個網址丟給 Claude Code
把它安裝進去
安裝進去之後
你打斜線 Codex
你就會發現這邊有一連串的指令可以讓你用它可以讓你使用 Codex 去做各種各樣的任務
比如說這個指令就是可以讓模型邀請 Codex 的模型
就是 GPT 的模型進來審查你目前的程式碼或者是內容
比如說這個就是當你今天在 Claude Code 卡關的時候
你可以邀請 Codex 進來救場
我也覺得很好笑
比如說這個就是對抗式審查
你可以邀請進來毒舌審查
那我自己也根據了這些 prompt
我請 Claude 幫我創造了一個叫 Codex image
這個指令的用途就是邀請 Codex 進來幫我做圖片
這樣我就不用再去切到 Codex 去用了
對不對
好
那實際上做法像什麼樣子
比如說
舉個例子
現在
我先上網抓了一些在 Reddit
就是國外論壇上面 24 小時之內討論 AI 的熱點的內容
好
我自己看完之後
我覺得這個挺好的
我想要分享到 i g 上面給大家看
而且我要用圖卡的方式
那你想
Claude 可以直接去做圖嗎
它好像只能去做類似像 HTML 網頁風格的圖片，對不對
但是能不能夠像 GPT 的生圖模型一樣
可以幫我生出非常客製化又非常精美的圖卡
不行
所以我想要讓 GPT 也就是 Codex 幫我做圖
我就直接用我所設計的指令 Codex image
後面寫用日式簡約風格為以上摘要產出 Instagram 分享圖卡
好
這個時候你可以看到這個模型本身就直接去呼叫了 Codex
用 Codex 的工具
好這個工具
當然我會事先登入
所以它吃的是我的訂閱制的額
度
送進指令
你看這裡面就有 Codex 怎麼回應的
嗯
接下來過了一系列之後
這邊都是 Claude
他跟我講目前 Codex 的進度是什麼
最後完成了我要的圖片
幫我放在指定的位置
像是這個樣子
這樣
我自己覺得
這個不像是日式簡約
但這只是一個示範
所以等一下我應該會再請他改一下
這哪來日式
好
那再來
剛剛我們這樣講是用 Plug in 的形式
Codex 官方有 Plugin
對不對
那 Gemini 有沒有類似的
也有
你也可以請 Claude 上去
去幫你找有沒有可以讓你在 Claude Code 裡面去呼叫 Gemini 的 plugin
不過我自己是用另外一種形式
我是直接把 Gemini 做成一個 agent
什麼意思
我們在之前的影片裡面講過
agent 就是一個常態的角色
所以我有做了一個 agent 在這個地方
因為這個任務很常見
我就說這個 agent 它本身的功能就是用我的 Gemini 的 API 去做到語音轉文字
做的形式、怎麼去傳檔案
檔案大了怎麼辦
Default 用什麼模型都在這個 agent 檔裡面規範好
那麼你可以看到
當我今天把 Email 送進去
我說用 Gemini 轉錄成逐字稿的時候
它就會直接派出這個 agent 去呼叫 Gemini 過來幫我處理
處理完之後
最後幫我放入一個檔案
我們來看檔案像這個樣子
完美完成了任務
那當然
我的 agent 裡面我也有單獨做了一個 Gemini 的 agent
這個就不是專門為語音辨識而做了
這個 agent 比較通用
它可以直接呼叫你電腦裡面安裝的 Gemini CLI 工具
然後呢根據你的各種不同任務去分配不同智力等級的模型
然後把結果回傳
比如說
我有一段 200 多頁的 PDF
我不想讓 Claude 幫我直接去讀
因為 Claude 比較貴
那長文本的價效比之王是 Gemini
我希望 Gemini 讀完之後給我摘要
我就會告訴我的 Claude 說
請你用 Gemini agent 幫我去讀這個東西
給我摘要
那麼這種時候
他就會先辨認
OK
這個任務應該就只是單純的摘要
所以
就不用用到那麼貴的 Pro 的模型
就用 Flash 的模型
幫我把這本書送去給 Gemini
做完摘要之後
那個 agent 把結果回傳給 Claude，再幫我做整合
所以
我主要的對話都不離開 Claude
Claude
我讓我的需求跟 Claude 講
然後給他能夠 call out to 其他模型的管道
比如說幫他裝好 Codex 的工具
幫他裝好 Plug in
幫他裝好 Gemini 的工具
幫他設計好 Gemini agent
他就會自動的幫我把任務分配給最適合的模型
模型把任務完成之後
他再去撈完成後的結果去做接下來的事情
這個就是我認為你應該可以學習的多模型協作的方式
所以
當下次有人跟你吵說哪一家模型好
哪一家模型不好的時候
你就應該回他一句小孩子才做選擇
我全都要
我是 Dustin
我們下次見
拜拜