降智问题#

Google Gemini的能力虽强，但官方“下手”也毫不手软。Gemini 2.5 Pro刚发布时表现惊艳，但后续版本疑似经过了大幅“量化”或调整，性能上有明显的“降智”感。

训练数据过期#

TIP

这个问题已经修复了，Google将2.5的训练数据的截止日期提升到了2025一月份左右。

Google Gemini在编码上很强，但是训练数据不很新，Google为Gemini支持的搜索功能也不如GPT好用，除了接入其他搜索服务，可以说又回到了GPT 3.5没联网的时光了。

输出问题#

一个最大的缺点就是Google Gemini的输出会有些问题。

1. 格式遵循不佳：在角色扮演、格式遵循等场景，Gemini会时不时带有“-”符号、非中文语言、输出训练数据、循环输出。
2. 消极模型偏见：在正常使用时，一旦Gemini没有完成你的任务，你批评它，他便诚恳的道歉，当批评的次数多时，它就会自暴自弃！至于骂它它也会叫好。这是一种极端的消极模型偏见，即使是提示词也需要花费很大力气才能抵消，或者使用替罪羊策略。
3. 自我更正失调：Gemini在使用时会出现重复片段然后更正、在自己说出错误的内容后惊觉并更改。我认为这是“用力过猛”，Gemini在正常输出时不知为什么就是会概率性的出错误，错误后Gemini会意识到，如果不是自然语言对话则会直接重新输出一遍正确的内容，即使会打乱格式；如果是自然语言对话，Gemini会用“等等！我又犯错误了！”之类的话挽救，这和先前直接输出错误的AI相比之，它能意识到一些错误。但仔细想象，这些错误既然能够意识到，那么这是错误吗？即模型本身能够输出正确的，而真正的错误模型是不会意识到的。这相比而言是否是一个退步？

例子

关于第二点，我分享这个对话以支撑，事实上我还有很多这样的对话，不过我找不到了。

Google AI Studio

Gemini 3.0 使用体验#

顶级，绝对的顶级！

真的非常推荐所有人都去试一试，3.0 Pro在Google AI Studio有免费额度。如果说我从DeepSeek到Gemini 2.5 Pro的提升是1的话，那么从Gemini 2.5 Pro到Gemini 3.0 Pro的提升至少也是0.5。

语言理解差#

这一点很直观，我所体验的Qwen 3模型有这样的问题。当然，这可能不是一个很重大的问题，因为我使用AI总是期盼AI能够命中我提示词的所意图的意义，而Qwen 3在这方面很差。

这意味着你需要更多的提示词才能表达完备意思。

不过我也分不清这究竟是AI不合我的胃口还是AI本就无能。

中平问题#

作为C端用户，Qwen模型实在是没有什么突出的优点以支持我去使用，若说它免费，它不如Google Gemini、DeepSeek，Google Gemini的移动应用完全免费使用Gemini 2.5 Flash，API也有免费额度；若说它性能好，我认为DeepSeek的性能在日常使用中是好过Qwen的，当然不是看benchmark，而是我在使用中得到的结果。

C端用户的意思

“C端用户”是中文互联网和商业领域常用的一个术语，其中的 “C” 是英文 Consumer（消费者）的缩写。因此C端用户 = 消费者用户 = 个人用户。

面对个人来讲，它还是太中平、普通了。面对需要开源模型的公司等商业用户，也有DeepSeek、GPT-OSS等更多模型，Qwen很中平。

官方应用体验割裂#

首先，Qwen是Qwen，通义千问是通义千问。很抽象对吗？

实际上Qwen的正宗在Qwen.Ai，而通义千问在Tonyi.Com，两者是不同的网站，对应不同的用户需求，前者是开发者等使用，后者是普通用户。

问题出这两者的维护团队貌似不同，面对Tonyi.Com，更多用户在通义这个软件中，而这个软件…主打的是AI办公、智能体、情感陪伴。

Qwen.Ai也有自己的软件，不过是对国外开放，只能在Google Play搜到客户端，更简洁。

两个应用都没有对方的身影，事实上若不是偶然搜到，我还不知道有Qwen.Ai这个网站。

主观能动性过强#

GPT 5在使用时会不停的问你——“需不需要我帮你XX？”，即使说你已经在第一个提示词中给出了指令，GPT 5还是会这样问你，这样会带来的问题是GPT 5白费了额度，有时你需要两个提示才能解决一个问题。

GPT 5所提供的帮助也大多不够智能和符合场景，我认为更多是一种模型偏见。

不要硬吹DeepSeek#

计算每个测试项上性能得分的比率，然后取这些比率的几何平均数（Geometric Mean）。

公式：$\text{比率} = \frac{\text{DeepSeek R1 得分} }{\text{OpenAI o1-1217 得分 }}$

NOTE

这个表格取自论文ArXiv的3.1. DeepSeek-R1 Evaluation。只保留了两者皆有的数据。

计算所有比率的几何平均数得到$k ≈ 0.939$。

综合这11个基准测试的表现，DeepSeek R1 的整体性能大约是 OpenAI o1-1217 性能的 93.9%。

差距非常小，但是后续很快，OpenAI就出了新模型，步步高升，直到现在的GPT 5，而DeepSeek也不再领先。

DeepSeek真正值得吹的#

我不是在贬低DeepSeek，每当看到有人说DeepSeek如何如何强，吹得天花乱坠的人，我很无奈。

因为真正顶尖的模型是普通大陆用户无法常规使用的。

DeepSeek是有优点的，DeepSeek最大的优点就是——让人们花小钱就能用到好的模型（的确，官方API冲了十块余额能玩几M的Token）、激活了市场和技术活力。