结论：差别挺明显，同一个问题换个模型结果可能完全不一样，选对模型比调提示词更省事。

① 复杂推理、代码类任务，Claude 和 GPT-4 级别的大模型明显更稳，逻辑链不容易断。

② 中文写作、日常问答，国产模型像通义、DeepSeek 表现已经够用，速度还更快、成本更低。

③ 长文档总结要看上下文窗口，窗口小的模型塞长文会截断，结果自然打折扣。

④ 建议针对自己高频的场景各测几轮，把效果最好的那个设成默认，别一味追新模型。