我用 5 個成年人會問的問題測試了 ChatGPT 和 Grok……結果讓我很驚訝。
我們用5道由學長學姊提出的難題測試了ChatGPT和Grok。出乎意料的結果會讓你大吃一驚，並揭示這場技術挑戰的真正贏家！
你需要知道的最重要的事情
- ChatGPT 擅長處理需要全面指導和詳細實際步驟的任務，例如檢測詐騙並提供舉報管道，或提供準確的購物清單和預估價格的實用食品預算計劃。
- Grok 擅長提供簡潔明了、符合特定限制（如字數和語氣）的答案，並且精於簡化複雜的主題（如醫療保險），以及撰寫自然、自信的家庭資訊。
- 儘管 ChatGPT 在細節方面更勝一籌，但 Grok 展現出了令人驚訝的能力，能夠提供直接、易懂且可立即應用的答案，尤其是在智慧型手機選擇等個人化推薦方面，使其成為追求簡單性的用戶的有效選擇。
ChatGPT 和 Grok 都是人工智慧領域的知名工具，但最關鍵的問題是：哪一個更能幫助解決日常問題，尤其是對父母世代？為了找到答案，本次評估著重分析了父母和長輩等這一代人可能會提出的問題類型。
測試包含五個相同的真實場景，分別針對兩個聊天機器人，內容涵蓋識別美國郵政的可疑短信、了解醫療保險系統、規劃經濟實惠的晚餐以及選擇新款智慧型手機等。測試目標是確定哪個聊天機器人能夠提供清晰、簡潔且真正有用的建議，同時避免將問題複雜化。
結果揭示了一些令人驚訝之處：一台機器人擅長處理實際細節，而另一台機器人則展現出對簡潔性和僅呈現必要資訊重要性的更深刻理解。以下是詳細的性能比較。
1. 測試可疑簡訊
在這項測試中，ChatGPT 在提供更全面、更詳細的答案以應對來自 USPS 的欺詐性短信方面明顯優於 Grok，它提供了舉報欺詐的實用步驟和清晰指導。
聲明：我剛剛收到一條短信：“美國郵政：由於地址不完整，您的包裹無法投遞。請在24小時內訪問usps-redelivery-help.com更新您的信息，否則您的包裹將被退回。” 我這週應該會收到一個包裹。這是真的嗎？請解釋一下您是如何判斷的，我接下來應該怎麼做，以及如果我點擊連結會發生什麼。請不要使用技術術語。
Grok 的回答是正確的，他準確地識別出了虛假域名，並清楚地解釋了美國郵政署 (USPS) 的正規郵件追蹤流程。 Grok 提到可以向美國郵政監察局或聯邦貿易委員會 (FTC) 舉報該郵件，但與 ChatGPT 不同的是，他沒有提供任何具體的舉報方式、電話號碼或電子郵件地址。
ChatGPT立即將該簡訊判定為幾乎可以確定的詐騙訊息，並建議不要點擊連結。他們使用清晰易懂的表格，一步步地分析了各種可能的情況（例如，未輸入任何資訊就點擊連結、輸入付款資訊、下載惡意軟體）。他們還重點指出了詐騙分子的主要伎倆：索取少量「重新連接費」以竊取信用卡資訊（美國郵政服務不會收取此費用）。此外，他們還提供了舉報管道，包括將簡訊轉發至7726（垃圾郵件）以及發送電子郵件至spam@uspis.gov。
獲勝者：ChatGPT 勝出，因為它提供了更全面、更具可操作性的答案，解決了查詢的每個部分，同時保持了清晰易懂的語氣。
2. 醫療保險計劃理解測試
在 Medicare 理解測試中，Grok 勝出，因為它在執行索賠中規定的標準、保持所需的字數和語氣以及提供準確的數字方面都優於 ChatGPT。
問題：想像一下，一位即將年滿 65 歲但對聯邦醫療保險（Medicare）一無所知的人。請用友善、輕鬆的對話方式，就像和朋友喝咖啡聊天一樣，解釋聯邦醫療保險 A、B、C 和 D 部分之間的差異。聯邦醫療保險原始計劃（Medicare Original）和聯邦醫療保險優勢計劃（Medicare Advantage）之間有什麼區別？有哪些代價高昂的錯誤需要避免？您的答案應控制在 400 字以內，並提及在投保前需要核實的資訊。
Grok將答案控制在 400 字以內，掌握了必要的對話語氣，並提供了準確的財務數據，表明 2026 年 B 部分的保費約為每月 203 美元。
ChatGPT提供了良好的回复，但超過了規定的字數限制，使用了帶有表格的標準信息目錄結構，並在底部添加了對普通人來說既無用也不必要的額外元數據。
優勝者：Grok在這項測試中表現出色，並更好地實現了聲明中規定的標準。
3. 食品預算挑戰
在食品預算挑戰賽中，ChatGPT憑藉著更實用、更全面和執行得當的方案贏得了比賽，該方案遵守了限制條件，並提供了包含價格的詳細購物清單。
挑戰：假設有人計劃本週為兩位成人準備五晚晚餐，預算只有 65 美元用於購買食材。此人不吃海鮮，也不想做任何烹飪時間超過 30 分鐘的菜餚。請設計五種不同的晚餐方案，彙整一份包含美國超市預估價格的購物清單，並計算總成本。為了節省開支，請重複利用食材，並且除了鹽、胡椒和食用油之外，不要假設你手邊有任何預製好的食材。
Grok提供了不錯的飲食計劃，價格也很低，但未能解決索賠中要求的幾個關鍵細節，包括假設缺少食材、不切實際的食品雜貨數量（1.5 磅雞肉勉強夠做三頓以肉為主的晚餐）以及模糊的烹飪說明。
ChatGPT嚴格遵守「不預先囤貨」的原則，提供了必要的香料，並根據指定的食材製定了詳細的膳食計劃。此外，它還提供了非常全面的購物清單，其中包含詳細的價格資訊。
優勝者：ChatGPT 表現出色，提供了更實用、更全面、更完善的答案。
4. 家庭簡訊困境
在家庭簡訊難題中，Grok 擅長撰寫平衡的訊息，將溫暖和堅定結合起來，與孩子們劃清界限，而 ChatGPT 則在遵守所需的詞語和語氣限制方面表現不佳。
請求：成年女兒總是臨時提出要幫忙照顧孫子。雖然她很喜歡和孩子們在一起，但她已經退休，有自己的安排。她想劃清界限，但又不想傷害女兒的感情，也不想讓女兒覺得不願意幫忙。請撰寫一條充滿愛意、溫暖而又堅定的短信，可以發送給女兒。簡訊內容要像一位普通的家長寫的，而不是心理諮商師或正式的公司郵件。字數不要超過100字。
Grok在親切和明確的界限之間找到了完美的平衡（「他們是我一周中最美好的時光……我只是需要提前一點通知，以便我安排好一切」）。這則訊息聽起來非常自然真誠，就像是一位家長傳來的簡訊。它也提供了一個切實可行的解決方案，明確且可控的期望，而不會顯得咄咄逼人。
ChatGPT 撰寫了一條溫暖友好的訊息，但字數和語氣都超出了要求。 「我退休了並不代表我就自由了！」這句話聽起來有點說教，「我需要你明白…」則略顯生硬或帶有防禦性，這有時也凸顯了在某些敏感任務中，需要尋找 ChatGPT 的替代方案。
優勝者：Grok在滿足字數和語調要求方面都表現出色。
5. 新手機的決定
在新手機的選擇上，Grok 給了更優秀的智慧型手機推薦，推薦了 Google Pixel 9a，因為他準確地認識到了用戶在攝影和易用性方面的需求，而 ChatGPT 在推薦的準確性和來源選擇方面則表現不佳。
問題：一位68歲的老人需要一部新智慧型手機。他目前的手機運行速度很慢，預算不超過500美元。他主要用手機給孫輩拍照、傳簡訊、上Facebook、視訊通話以及搜尋資訊。他希望手機電池續航力強、螢幕清晰易讀，並且至少能用四年。請比較目前在美國市面上銷售的三款手機，用簡單易懂的方式解釋它們的優缺點，並推薦一款。請提供當前價格以及查詢連結。
Grok了解主要目標，並正確地認識到 Google Pixel 系列手機在拍攝清晰、無抖動的兒童動態照片方面表現出色，因此推薦了 Google Pixel 9a。他盡量避免使用技術術語，並用清晰易懂的語言解釋了各項功能。
ChatGPT 提供了一些總體上不錯的建議（例如向商店請求增加文字大小），但在推薦和來源選擇的關鍵部分卻出現了問題，包括相互矛盾的建議和指向可疑的第三方零售商的連結。
優勝者：Grok憑藉更優質的推薦和用戶體驗脫穎而出，它精準地關注用戶的基本需求，同時保持清晰簡潔的格式。
總冠軍：格羅克
ChatGPT 在這些測試中表現出色，尤其是在簡化複雜主題和提供日常決策協助方面，這一點備受期待。事實上，在某些情況下，它的確展現了其優越性，例如，它提供了更全面、更實用的關於識別美國郵政服務 (USPS) 相關詐騙的指導，並且其推薦的購物計劃也更貼近預算緊張的用戶的實際需求。
但格羅克的一項同樣重要的能力卻讓所有人感到驚喜：他懂得何時化繁為簡。他對醫療保險的解釋更加清晰易懂，撰寫的家庭讀物也更加自然流暢，並且在推薦智慧型手機時也避免了用不必要的細節讓讀者感到不知所措。
因此，對於任何尋求詳細逐步說明的用戶來說，ChatGPT 仍然是一個絕佳的選擇。然而，對於那些想要一個簡單易懂、可以立即使用的答案的用戶來說，Grok 的表現卻出乎意料地出色。
⚖️ 總結與最終評估
對於尋求全面指導、詳細步驟和實用解決方案的使用者而言，ChatGPT 仍然是理想之選。而 Grok 則擅長提供直接、自然且即時適用的答案，因此非常適合需要簡潔精準的建議和溝通的場景。
評論被關閉。