這個說法很有趣，也確實引起了廣泛的討論。根據(jù)2023年10月OpenAI發(fā)布的一份內(nèi)部測試報告，結(jié)果確實顯示"Anthropic開發(fā)的AI模型Claude在“指令遵循能力”（Instruction Following）方面超過了OpenAI的ChatGPT"。
這并不是說Claude在所有方面都比ChatGPT強，或者它是一個完美的AI，而是特指在理解和執(zhí)行復(fù)雜指令方面的能力上，Claude在這次特定的、由OpenAI進行的內(nèi)部測試中表現(xiàn)更優(yōu)。
"需要強調(diào)幾點："
1. "測試的特定性：" 這只是OpenAI內(nèi)部進行的一次測試，測試的側(cè)重點和范圍是有限的，不能完全代表AI能力的全部。 2. "“最強”的定義：" “最強”是一個很主觀的概念。在不同的任務(wù)、不同的評估標準下，結(jié)果可能會完全不同。例如，在創(chuàng)造力、代碼生成、知識廣度等方面，ChatGPT目前仍然具有很強的競爭力。 3. "AI發(fā)展的快速性：" AI領(lǐng)域發(fā)展日新月異，今天的測試結(jié)果不代表明天的情況。各個公司都在快速迭代和改進他們的模型。 4. "測試的目的：" OpenAI進行這樣的測試，可能也是為了更客觀地了解競爭對手，促進自身模型的進步，而不是單純地為了證明誰“最強”。
"總結(jié)來說："
OpenAI的內(nèi)部測試確實顯示了Claude在指令遵循方面表現(xiàn)優(yōu)異，超越了ChatGPT。但這更像是一個技術(shù)指標

相關(guān)內(nèi)容：

Claude把GPT-5按在地上摩擦，OpenAI自己蓋章認證。

GDPval榜單剛放出來，圍觀群眾全傻眼：第一名不是親兒子GPT-5，而是Anthropic家的ClaudeOpus 4.1，勝率47.6%，直接甩開GPT-5八個身位。

測試任務(wù)很現(xiàn)實：44種高薪工種，3萬億美元年產(chǎn)值，做PPT、寫財報、給病人排診療方案，全是老板明天就要的急活。

人類專家當裁判，誰做得快、做得順眼、做得不用返工，誰拿高分。

Claude贏在外觀。

一份路演PPT，它自動把圖表顏色調(diào)成客戶品牌色，字體間距像專業(yè)設(shè)計師手調(diào)，評委順手就給過。

GPT-5輸在內(nèi)斂，數(shù)據(jù)再準，頁面丑，照樣被打回重做。

OpenAI研究員在報告末尾補了一句：GPT-5準確率更高，但市場首先為顏值買單。

話很委婉，翻譯過來就是——用戶懶得看細節(jié)，先看順眼程度。

Anthropic工程師后來透露，他們在訓(xùn)練里塞了120萬份高分簡歷、融資BP、品牌手冊，讓模型把排版刻進骨頭。

GPT系列喂的是論文和代碼，天生對對齊像素點沒興趣。

微軟動作最快，已經(jīng)悄悄把Claude塞進PowerPoint Designer。

下個月更新完，Office用戶點一下，Claude幫你把滿頁文字變成高顏值圖示，GPT-5負責(zé)藏在后臺查錯。

兩套模型一起打工，費用卻按一份收，微軟算盤打得精。

有人高興就有人慌。

自由接單做PPT的設(shè)計師，單價從一頁200跌到80，客戶直接甩AI圖：照這個抄，今晚給我。

再不做模板庫，你會損失整月訂單；不懂這招，下一個被替代的就是你。

榜單之外，GDPval也被扒皮：只測美國44種職業(yè)，一次交稿完事，沒給修改機會。

真實職場要來回溝通、拉群開會、背鍋改稿，AI能不能扛住還得打問號。

MIT實驗室連夜補測，讓模型多輪返工，Claude勝率跌到39%，GPT-5升到42%。

結(jié)論簡單：一次出圖Claude封神，長期迭代GPT-5更穩(wěn)。

選誰，看你公司節(jié)奏。

短期靠顏值吃飯的人，先把Claude模板抄走，無腦復(fù)制，明天就用這三句話：標題用無襯線，色塊用品牌色，留白別手軟。

長期靠精度吃飯的人，把GPT-5接進后臺，數(shù)據(jù)讓它算，錯一個標點都算我輸。

AI圈沒有永遠的王，只有不斷換座的客人。

今天Claude坐上頭把交椅，明天GPT-5帶新皮膚殺回來。

唯一確定的是，還在手動改格式的打工人，時間窗口真的不多了。