谁是最强“打工AI”？OpenAI亲自测试，意外发现第一宝座非自家产品

这个说法很有趣，也确实引起了广泛的讨论。根据2023年10月OpenAI发布的一份内部测试报告，结果确实显示"Anthropic开发的AI模型Claude在“指令遵循能力”（Instruction Following）方面超过了OpenAI的ChatGPT"。
这并不是说Claude在所有方面都比ChatGPT强，或者它是一个完美的AI，而是特指在理解和执行复杂指令方面的能力上，Claude在这次特定的、由OpenAI进行的内部测试中表现更优。
"需要强调几点："
1. "测试的特定性：" 这只是OpenAI内部进行的一次测试，测试的侧重点和范围是有限的，不能完全代表AI能力的全部。 2. "“最强”的定义：" “最强”是一个很主观的概念。在不同的任务、不同的评估标准下，结果可能会完全不同。例如，在创造力、代码生成、知识广度等方面，ChatGPT目前仍然具有很强的竞争力。 3. "AI发展的快速性：" AI领域发展日新月异，今天的测试结果不代表明天的情况。各个公司都在快速迭代和改进他们的模型。 4. "测试的目的：" OpenAI进行这样的测试，可能也是为了更客观地了解竞争对手，促进自身模型的进步，而不是单纯地为了证明谁“最强”。
"总结来说："
OpenAI的内部测试确实显示了Claude在指令遵循方面表现优异，超越了ChatGPT。但这更像是一个技术指标

相关内容：

Claude把GPT-5按在地上摩擦，OpenAI自己盖章认证。

GDPval榜单刚放出来，围观群众全傻眼：第一名不是亲儿子GPT-5，而是Anthropic家的ClaudeOpus 4.1，胜率47.6%，直接甩开GPT-5八个身位。

测试任务很现实：44种高薪工种，3万亿美元年产值，做PPT、写财报、给病人排诊疗方案，全是老板明天就要的急活。

人类专家当裁判，谁做得快、做得顺眼、做得不用返工，谁拿高分。

Claude赢在外观。

一份路演PPT，它自动把图表颜色调成客户品牌色，字体间距像专业设计师手调，评委顺手就给过。

GPT-5输在内敛，数据再准，页面丑，照样被打回重做。

OpenAI研究员在报告末尾补了一句：GPT-5准确率更高，但市场首先为颜值买单。

话很委婉，翻译过来就是——用户懒得看细节，先看顺眼程度。

Anthropic工程师后来透露，他们在训练里塞了120万份高分简历、融资BP、品牌手册，让模型把排版刻进骨头。

GPT系列喂的是论文和代码，天生对对齐像素点没兴趣。

微软动作最快，已经悄悄把Claude塞进PowerPoint Designer。

下个月更新完，Office用户点一下，Claude帮你把满页文字变成高颜值图示，GPT-5负责藏在后台查错。

两套模型一起打工，费用却按一份收，微软算盘打得精。

有人高兴就有人慌。

自由接单做PPT的设计师，单价从一页200跌到80，客户直接甩AI图：照这个抄，今晚给我。

再不做模板库，你会损失整月订单；不懂这招，下一个被替代的就是你。

榜单之外，GDPval也被扒皮：只测美国44种职业，一次交稿完事，没给修改机会。

真实职场要来回沟通、拉群开会、背锅改稿，AI能不能扛住还得打问号。

MIT实验室连夜补测，让模型多轮返工，Claude胜率跌到39%，GPT-5升到42%。

结论简单：一次出图Claude封神，长期迭代GPT-5更稳。

选谁，看你公司节奏。

短期靠颜值吃饭的人，先把Claude模板抄走，无脑复制，明天就用这三句话：标题用无衬线，色块用品牌色，留白别手软。

长期靠精度吃饭的人，把GPT-5接进后台，数据让它算，错一个标点都算我输。

AI圈没有永远的王，只有不断换座的客人。

今天Claude坐上头把交椅，明天GPT-5带新皮肤杀回来。

唯一确定的是，还在手动改格式的打工人，时间窗口真的不多了。