GPT / Gemini / Claude 同一個 prompt,給出三種答案 — 你該怎麼選

我這半年同時用 GPT、Gemini、Claude 三個模型寫東西。久了會發現:同一個 prompt 餵三個模型,得到的不是「翻譯版本」,是三種「個性」。

這篇是給也想多模型並用的人 — 三個 prompt 範例,看三個模型的回應差異,然後給每個模型的 prompt 調整技巧。

同一個 prompt,三個模型的回應

我用這個 prompt 測試三個模型:

我是一個 VTuber 創作者,有 500 個 YouTube 訂閱。
想寫一篇文章主題是「如何從 500 到 1000 訂閱」。
給我 3 個切入角度,每個寫 50 字說明。

GPT-5 的回應(精簡版)

1. 演算法策略 — 從 YouTube Shorts 切入,...
2. 內容定位升級 — 找出 50 個訂閱者的共通點,...
3. 跨平台導流 — 利用 X / Threads 把現有粉絲...

GPT 的特徵:結構工整、3 點長度一致、建議 actionable。

Gemini 2.0 的回應(精簡版)

切入角度 1:從觀眾數據出發
   根據 YouTube Analytics 的數據(平均觀看 / 完播率 / 訂閱來源),
   找出表現最好的 3 支影片,複製那個模式。
   
切入角度 2:嘗試直播
   研究顯示直播觀眾的訂閱轉換率是預錄影片的 1.8 倍。
   ...

Gemini 的特徵:愛引用數據(有時是真的有時是它編的)、結構偏「研究報告」、語氣偏正式。

Claude 4 的回應(精簡版)

我想了一下,你的處境(500 訂閱 → 1000)其實是創作者最難的階段 — 
不像 0 → 100 有「新手友善」的紅利,也不像 1k → 10k 有「規模化」的工具。
所以我給的 3 個角度故意都是「適合 500-1000 區間」的:

1. 重做你最好的那支影片
   把過去 500 訂閱中,訂閱來源 #1 的那支重做一遍 — ...

Claude 的特徵:先聊兩句脈絡再給答案、回應有「自己的判斷」、語氣偏聊天。

各模型的 prompt 調整技巧

GPT — 你要明確「結構」

GPT 對「結構性指令」反應最好:

✅ 給我 3 個切入角度,每個用「角度名稱 / 50 字說明 / 為什麼適合 500 訂閱階段」三段格式
❌ 給我一些建議

第一個會得到工整 3 段,第二個會得到散文式回應。

Gemini — 你要點明「不要編造資料」

Gemini 偏愛引用數據,但有時候它在編。Prompt 加一句:

重要:如果引用具體數字或研究,請註明來源;沒有 verified 來源的就用「我觀察」「常見的情況」代替。

這個指令會讓 Gemini「降溫」— 不亂引用「研究顯示」的句子。

Claude — 你要允許「先聊脈絡」

Claude 預設會先給脈絡再答。如果你要的是「直接答」:

直接給答案,不要先解釋背景。

如果你要「有思考過程」(我喜歡這個):

給答案前,先用 2-3 句說明你怎麼理解這個問題。

Claude 的「先聊脈絡」是我覺得最像「同事」的特質,但如果你要的是執行,記得 explicit 說「直接答」。

結論:三個模型,我的分工

我目前的工作流分工:

任務	我用哪個	為什麼
寫東西 / 改稿	Claude	voice 最自然,回應有「判斷」
找資料 / 即時資訊	Gemini	有 Google search 整合
通用問題 / brainstorm	GPT	結構工整,給 actionable item
寫程式 / debug	Claude Code(也是 Claude)	思考扎實,跨檔 context 好

如果你只能訂閱一個,我推 Claude(Anthropic Pro)— 在寫作跟程式碼兩個任務上最強。GPT 跟 Gemini 用免費版備用即可。

詳細的 Claude Code 使用流程在 Claude Code 完整實戰指南。