觀眾評分：27 個 AI 模型，ChatGPT 位列第八——以下是表現優於它的模型

儘管人工智慧（AI）領域看似動盪不安，但實際上幕後卻進行著大量的分析、效能評估和測試。這些工作不僅由各公司自行開展，也由一些專門成立的機構進行，這些機構負責制定自身的排名。

這些小組測試了聊天機器人的方方面面，從聊天機器人的能力到完成數學測試，
創建圖像，或提供合乎邏輯的解釋，甚至提供醫療建議，或只是展示她的情緒智商有多高。

在這些多樣化的測試中，模型在不同領域展現出各自的優勢和劣勢。例如，GPT-5在科學推理方面表現出色，但在適應新概念的能力方面卻落後於 Gemini 和 Claude 等模型。

這些測試中的每一個都揭示了關於AI模型的新訊息，它們對於提醒我們在不同場景下哪些工具是最佳選擇至關重要。但通常有一個指標被忽略：哪些AI模型能夠提供最佳的使用者體驗？

人類分類系統

英國科技公司Prolific創建了一個名為Humaine的AI排行榜。與測試AI完成任務的能力不同，Prolific測試了這些模型在不同使用者體驗下的表現。

透過評估 21,352 人使用這些工具的體驗，他們不僅能夠找出整體贏家，還能按年齡、地點（測試在英國和美國進行）和政治信念細分結果。

其中包括以下個人清單：

團隊讓每位參與者與兩個不同的人工智慧模型進行比較，並要求他們提供回饋，說明哪個模型在每次互動中表現得更好。

這不僅產生了整體優勝者和表現排行榜，還對基本任務表現和推理進行了單獨排名，並產生了溝通、適應力、信任和道德方面的優勝者。

經過全面評測，Gemini 2.5-Pro 不僅在整體表現類別中，而且在大多數子類別中都表現出色，堪稱當之無愧的贏家。 Gemini 2.5-Pro 幾乎在所有測試基準中都表現出色。

英國18至34歲的年輕人、民主黨選民、美國55歲以上的人一致認為Gemini 2.5 Pro是綜合表現最佳的人工智慧模式。唯一一個所有人群都認為Grok-3優於Gemini的領域是信任度、倫理性和安全性——考慮到該人工智慧模式近期面臨的一些安全和倫理問題，這一結果頗具諷刺意味。

有趣的是，繼Gemini之後湧現的三款聊天機器人分別是Deepseek、Magistral Le Chat和Grok。 Deepseek在今年早些時候曾風靡一時，但最近卻逐漸淡出人們的視線。而Le Chat雖然不如Deepseek那麼受歡迎，卻擁有一群忠實的用戶。

那麼，享譽全球的 ChatGPT 在這份榜單中處於什麼位置呢？它排名墊底，其最高版本 GPT-4.1 僅位列第八。更糟的是Claude，它的兩個版本（4.0 和 4.0）分別排名第十一和第十二。

這是否意味著 Gemini 是世界上最好的 AI 聊天機器人？這是否意味著你應該拋棄 ChatGPT…？嗯，並非完全如此。

這些結果並不一定反映這些模型的表現。在大多數其他指標上進行測試時，我們通常看到的排名靠前的選項是 ChatGPT、Gemini、Claude 和 Grok。

然而，這是對這些測試的重要補充。它們幫助我們從人類經驗的角度更好地理解人工智慧。例如，Le Chat 在標準基準測試中得分並不高，但在體驗和可信度方面，它經常被認為是一個優秀的選擇。

雖然 Anthropic 和 OpenAI 在本輪測試中的表現未能達到這一水平，但 Gemini 和 Grok 的表現仍然強勁。這兩家公司通常都會在基準測試中取得高分，這次他們也繼續保持這樣的表現。