Panelize › 国产 AI 怎么选

DeepSeek、Kimi、豆包、通义千问、元宝怎么选？

各家模型更新太快，网上的排行榜和测评很快就过时，也很少测到你真正要做的事。最靠谱的办法：用同一个问题同时问它们，把答案并排看。

更新于 2026 年 10 月 20 日

为什么没有「最好的 AI」

• 更新频繁：每家一年都会发好几次新模型，上个季度的排名现在可能已经不对了。
• 看任务：有的擅长写作，有的擅长长文档，有的推理更稳，换个任务结论就变了。
• 看模式：同一个产品的深度思考、联网搜索等模式开不开，结果差别很大。

公平测试的五个步骤

1. 同一个问题，一字不差。措辞的小变化对结果的影响，可能比模型本身还大。
2. 都开新对话。之前的聊天记录和记忆会影响回答。
3. 模式对齐。要么都开深度思考，要么都不开；联网搜索也一样。记下每家用的是什么模式。
4. 每题跑两三次。同一个模型每次回答都会不一样，对一次错两次就不算靠谱。
5. 按清单打分（见下文），别只看谁回答得最自信。

按场景准备测试题

最好用你自己的真实任务。下面几题可以先拿来试：

写作

把下面这段话改写成发给领导的工作汇报：不超过 150 字，保留所有数字，最后提出一个明确的请求。[粘贴原文]

长文档

用 5 条要点总结这份文档，给没读过的人看；然后列出总结里漏掉的重要信息。[粘贴文档]

编程

这是一段代码和它的报错。用两句话说明根本原因，再给出改动最小的修复。[粘贴代码和报错]

推理

笔只按盒卖，3 支一盒 2 元；笔记本 1.75 元一本。我有 20 元，至少要买 4 本笔记本，最多能买多少支笔？写出计算过程。

查资料

关于 [话题]，支持和反对的主要观点分别是什么？不确定的说法请标出来，并说明用什么来源可以核实。

打分清单

几家答案一致的地方更可信；有分歧的地方，就是最该自己核实的地方。

用 Panelize 一次测完

手动测试要把同一个问题复制到五个标签页、来回切换。Panelize 是免费开源的 Chrome 扩展，把 DeepSeek、Kimi、豆包、通义千问、腾讯元宝的官网放在同一个窗口，一次输入同时发送。还可以把 ChatGPT、Claude、Gemini 也加进来一起比。

1. 按 Cmd/Ctrl + Shift + E 打开 Panelize，选一个 5 格以上的布局，比如 1×5 或 2×3。
2. 面板选 DeepSeek、Kimi、豆包、通义千问、元宝。
3. 点 New Chat for All（全部新对话），保证每个面板都是干净的新对话。
4. 粘贴问题，先点 Fill（填入），在每个面板里把模式对齐，再点 Send All（全部发送）。
5. 把测试题存进「提示词库」，可以用 {话题} 这样的变量。下次有新模型发布，直接再跑一遍。

Panelize 用的是你已登录的账号，不需要 API Key，也不收集任何数据。