Gemini-3 对比 ChatGPT-5.1：一个直击要害，一个娓娓道来，该怎么选？

使用Google 的Gemini-3-Pro有一段时间，发现：对比OpenAI 的ChatGPT-5.1，Gemini-3的回答往往冷峻、没那么啰嗦，更容易“直击”问题的要害。

ChatGPT-5.1的回答有时候会像一位“知心大姐姐”，从头到脚、娓娓道来的帮你把问题梳理清楚，但有时候我会觉得过于冗余，不够精炼；而，Gemini刚好弥补了这一点缺点。

因此，现在我使用AI工具的流程大致如下：

1）编程：用Claude 写代码，用ChatGPT 解决Bug

2）疑问：对于同一问题，同时用ChatGPT与Gemini问一遍，对比答案

3）核查：如果同一问题，回答南辕北辙，或有疑问，可以用ChatGPT核验Gemini的回答，以及Gemini查验ChatGPT的答案，相当于交叉验证。

这样做的目的，是让不同的AI模型之间，相互卷；互相给对方做检查，进而减少一部分的AI幻觉。

现在互联网上有99%的内容是AI写出来的，然后AI又自己把所生成的内容自顾自的学习一遍，因此里面到底有多少错误，已经超出了我的认知负荷，只能借助AI机器人先主动核查。

第一次能清楚地辨别AI的错误，是在确认“市值加权”与“价值加权”的区别时。无论我用什么模型，AI给出的答案都是关于“市值加权”的。换言之，在AI的数据库里，“价值加权”的资料少得可怜，以至于它无法分清楚这两者的区别和用法。

有了这次深刻的经历后，对于AI给出的任何回答，我都会保留一份怀疑的心态。因此，对于一些很重要的问题，我也会利用不同的AI模型反复地核查。

之所以让AI之间相互“卷”，因为每家公司的大模型算法都不一样。简言之，每个公司给自家模型注入的思考方式（解决问题的思路），有自身的差异。

尽管，大模型公司都没有公开AI背后的思路，但是根据AI的回答风格可感知一二。当我们让AI大模型“相互卷”时，就是在判别哪种思维方式在某个问题上处理的更合适。

例如，有时候，我很喜欢Gemini的那种冷峻的回答方式。不仅如此，我还去观看了它背后的研究团队及创始人是怎么在思考AI这件事情。

Demis Hassabis（德米斯·哈萨比斯）是Google DeepMind公司的CEO，让Google在AI上扳回一局，扬眉吐气，重整昔日荣光的Gemini-3，就是这位兄才及团队的杰作。

在别人还不知道AI为何物的时候，Demis就开始了疯狂的追求AGI之路。并且，他对追求AGI的愿景很清晰和简单：“解决智能”，然后利用智能“去解决其他所有问题”。

我觉得这句话真是天才之作，优雅、简洁，它背后饱含的深意是：既然这世间有各种各样难以克服的难题，每个人穷尽毕生的精力都可能难以解决；那么，如果能创造（发明）一个“代理人”，用它来解决所有的难题；这将意味着，关键问题就是发明“代理”。

不难从中看出，他解决问题的思路是反过来的，并没有掉入我们习惯的陷阱——如何解决一个个难题，而是假定问题已经被“代理”解决。因此，关键任务就是发明创造，这个寄予希望的全知“代理”——也就是他所追求的AGI（通用人工智能）。

为了实现这个目标，他把分成了好几步走：首先，是训练人工智能打游戏，初步摸索AI的实力。

其次，让AI与人类最顶级的棋手对决。围棋是个纯靠实力取胜的领域，如果AI能够战胜人类选手，那么也就意味着AI在这一领域具备同等的实力。

进而，反向说明，对AI的训练，可以推广到其它的研究领域。因为，团队既然可以成功训练出AI下围棋的能力，那么也就意味着它有学习其它领域并成为顶级高手的可能。

再次，为了验证这种猜想，Demis和DeepMind团队把目光瞄准了无论是复杂度还是难度都顶个儿高的生物学领域。

他和团队用训练出来的AlphaFold，解决了蛋白质结构预测的难题——这是科学界50年来一直面临的重大挑战。他也因此，获得了2024年诺贝尔化学奖。

后来的故事，我们也都清楚：2020年11月30日，OpenAI 发布了ChatGPT，瞬间让AI走进了普通人的世界。而，这也让Google陷入了空前的危机，因为用户有了更容易找到答案的方式，那么搜索引擎极大可能被丢弃。

匆忙上线的Bard，让Google笑料百出，不得已他们整合了AI团队，而Demis就是那位合并后Google人工智能公司的CEO。

他们重新架构了聊天机器人的代码，然后内部启用新的品牌名——Gemini，与谷歌另一个品牌Gmail有异曲同工之妙。

在第一代与二代时候，Gemini与ChatGPT的差异还是很大，但到了第三代，明显感觉回答的质量上来了，并且它的风格相当的独特：就是Demis及团队惯常的反直觉、直击要害的简约风。与他们在解决问题时的思路，有一脉相承的感觉。

不知道未来Gemini的进化会达到什么样的水平，但正如Demis本人所说：创新的速度正变得越来越快，并且还在加速。或许，在不远的将来，AGI或许真能实现。这也将是，我们人类用来解决疑难问题的好帮手。

另外，顺便推荐一下Demis的纪录片《思维游戏》，视频里展现了AI很多其它方面的功能，比如与它探讨问题、聊天，就感觉电影《她》的场景切实的在眼前。

同样，你还能发现痴迷于解决问题和发明的人是种什么感觉。当外界嘲笑Demis把DeepMind以4亿英镑的价格卖给谷歌的价格太低，只需再等一段时间，或许就能卖到100亿。

而Demis想到的是，我不可能用10亿买回1年的时间，我得尽快开始深入研究，一分钟都不能耽误，而谷歌却能提供大量的数据、算力、资金等等。

总之，在使用AI的过程中，尽量让不同公司的大模型之间“相互卷”，尽管这样不可能完全消除AI的错误与幻觉，但是可以为我们提供解决该问题最恰当的方式之一。

而支持这样做的动因是：每家公司大模型背后的思维链路略有不同，相当于他们各自有不同的训练方法和逻辑，而我们刚好可以全部都能利用。

进而，你获得的答案质量，也相对更高一些。不要小看这一点点差距，用得次数多，时间长，久而久之，复利会让一切的小数变成难以企及的高山。