最近同时在用GPT-6 Astra和DeepSeek做项目，发现这两个模型的行为…

最近同时在用GPT-6 Astra和DeepSeek做项目，发现这两个模型的行为模式差异大到离谱。 GPT-6 Astra做事特别较真，你给它一个任务，它会先把所有细节确认清楚才动手。有一次我让它分析一份数据报告，它发现里面有三个数据源的格式不一致，直接停下来问我怎么处理，不解决完绝不往下走。这种严谨程度在做调研分析、数据清洗的时候特别好用，不用担心它偷偷跳过什么。 DeepSeek完全是另一个极端。你刚说第一步，它已经把整个任务都做完了，有时候甚至做了你根本没要求的事情。写文案的时候这种特性反而很加分，它会主动加一些你没想到的角度和表达。但做需要精确控制的任务时就有点让人头疼，得反复提醒它别跑偏。 我现在的工作流是让两个模型同时跑同一个任务，GPT-6负责严谨的部分，DeepSeek负责创意的部分，最后再让GPT-6整合一遍。试过让GLM也加入这个流程，发现它在严谨和创意之间刚好是个中间态，没有GPT那么较真，也没有DeepSeek那么放飞。 有个实际案例：上周让三个模型分别写一份产品介绍文案。GPT-6写了三版都很规范但有点死板，DeepSeek写了一版特别有感染力但数据引用不够准确，GLM写了一版中规中矩但结构最清晰。最后把DeepSeek的表达方式和GPT-6的数据准确性结合起来，效果比单独用任何一个模型都好。 这种多模型协作的方式，比死磕一个模型调参数要高效得多。不同模型就像不同性格的同事，各有各的长处，关键是知道什么时候该用谁。