AI 工具导航

把 AI 对话带进大众视野的产品，也是多数人接触的第一个。它的优势在于生态：插件、自定义 GPT、代码解释器、联网检索都集成在同一个界面里，遇到需要多种能力配合的任务时不必换工具。

它的短板同样明显。免费档的模型与付费档差距不小，而遇到长文档或需要严格遵循格式的任务时，输出容易在中途偏离要求。另外它对中文的理解虽然够用，但在中文写作的语感上不如国内几家模型自然——如果你的任务是写中文文案，值得对比一下。

大陆用户需要注意：网站与 App 都无法直接访问，注册环节还需要境外手机号。市面上那些“国内直连版 ChatGPT”绝大多数是套壳转发，你的对话内容会先经过第三方服务器，输入敏感信息前请想清楚这一点。

在需要“读懂一大段东西再动手”的任务上表现最好的一类模型：几十页的文档、一整个代码库的上下文，它更容易抓住其中的结构关系，而不是只回应你最后那句话。写作输出的语感也比较克制，不太出现那种一眼能认出来的 AI 腔。

代码任务是它的强项，尤其是在既有代码里做修改——理解现有约定、按你的风格续写，而不是另起炉灶给一份“标准答案”。

短板是能力面窄：不生成图像，联网检索比 ChatGPT 和 Gemini 弱，插件生态基本没有。它更像一个能力很强的单体模型，而不是一个平台。

大陆用户：不在支持的国家/地区列表内，直接打开会被跳到服务不可用的提示页。

上下文窗口是它最实在的优势——可以一次性塞进整本书或几小时的会议记录，而不用先切分再拼接。多模态能力也是几家里最完整的，图片、音频、视频都能直接作为输入。

与 Google 生态的打通是另一个理由：如果你的资料本来就在 Gmail、Drive、Docs 里，它能直接调取，省去导出再粘贴的往返。

代价是输出质量不够稳定。同一个提示词多试几次，结果的差异比 ChatGPT 和 Claude 明显；在需要严格遵循格式的任务上尤其如此。它更适合“帮我处理这一大堆材料”，而不是“帮我把这段文字打磨到能直接用”。

大陆用户：无法直接访问。

近两年最值得关注的国产模型。它把推理能力做到了接近国际第一梯队的水平，而 API 价格只有同级别产品的几十分之一——对个人开发者和小团队来说，这个差价往往直接决定了一个想法能不能落地。

模型权重开源，可以自行部署，这在需要数据不出内网的场景里是决定性的优势。中文表现自然，处理中文长文本时上下文保持得比多数国际模型稳。

短板在生态：没有插件体系，多模态能力弱于 GPT 与 Gemini，网页版功能也偏朴素。它适合“给我一个准确答案”或“帮我写这段代码”这类任务，不适合需要调用外部工具的复杂工作流。

大陆可以直接访问，无需任何额外配置。

国内几家里对长文本处理下功夫最多的。上传几十万字的资料再提问，它在定位具体段落、跨章节关联信息上比多数同价位选择更稳，做资料整理和文献综述类的活比较合适。

中文语感自然，写出来的东西不太需要再改语序。联网检索在国内可用，查中文互联网上的信息比那些访问不了国内站点的国际模型更实际。

短板在推理深度：复杂的多步推导、需要严格逻辑链的问题上，与第一梯队还有差距。写代码也不是它的长处。

大陆可以直接访问，无需额外配置。

最早铺开、也是编辑器支持最全的一个：VS Code、JetBrains 全家桶、Neovim、Visual Studio 都有官方插件。如果团队用的编辑器不统一，它往往是唯一能让所有人用上同一套工具的选择。

它最擅长的是“顺着写”——你起了个头、写了函数签名或注释，它把剩下的补完。重复性强的代码（测试用例、数据转换、样板配置）省时间最明显。

要有心理准备的是：它补出来的代码看着合理但未必正确，尤其是涉及边界条件和错误处理时。把它当成一个打字快但不细心的搭档，每一行都要看过再留下。

大陆可以访问，但速度取决于你的网络到 GitHub 的连通性。

基于 VS Code 改造的编辑器，把 AI 从“补全插件”提升成了工作方式。与补全类工具的关键差别在于它理解整个项目：你可以说“把这个函数的错误处理改成和其他地方一致”，它会去看其他地方是怎么写的。

跨文件的改动是它的强项——重命名一个概念、调整一处接口然后同步所有调用点，这类活它做得比在聊天窗口里来回粘贴高效得多。

代价是要换编辑器。如果你的配置、快捷键、插件都在别处，迁移成本是真实的；而它基于的 VS Code 版本有时落后于上游。

大陆可以访问，登录环节偶尔需要一点耐心。

与补全工具和 AI 编辑器都不同：它在终端里运行，能自己决定读哪些文件、跑什么命令、改哪里，然后把改动结果拿给你看。你描述要做的事，它去做，而不是给你一段代码让你自己贴。

适合的场景是“跨越多个文件、需要先摸清现状”的任务：排查一个报错、给现有功能补测试、按新约定改造一批代码。它会先去看代码怎么写的，再动手。

需要注意它有执行命令的能力。默认每步都会征求同意，但放开权限前应当清楚它能做什么——尤其在有未提交改动或生产配置的目录里。

账号体系与 Claude 相同，因此大陆同样不在支持区域。

单看出图的观感，它仍然是最稳的：光影、构图、材质，随便一个提示词都能给出一张“看起来很专业”的图。做概念图、海报、氛围参考时，它省下的挑选时间最多。

代价是可控性。精确指定“这个物体放在左下角、那个人朝右看”这类要求，它经常给你一张更好看但不是你要的图。要做严格符合设计稿的东西，Stable Diffusion 那种可以叠加控制条件的路线更合适。

另外它不开源、不能本地部署，全部依赖订阅，没有长期免费额度——试用之前要清楚这一点。

大陆直连不通。

开源是它最大的区别点：模型可以下载到自己的机器上跑，图片不经任何第三方，也没有生成内容的政策限制。做商业项目、或者素材本身涉密时，这一条往往就决定了选它。

生态是另一个优势。ControlNet 这类控制手段可以按姿势、深度、边缘图来约束构图，LoRA 可以用少量素材训练出特定风格或角色。要做“每张图里同一个人物”或“严格贴合线稿”，这条路线是可行的，Midjourney 则很难。

代价是上手成本。要自己配环境、挑模型、调参数，本地跑还需要一块像样的显卡。开箱即用的观感也不如 Midjourney，好效果依赖你会不会调。

官网大陆可以打开。

国内可直接使用的选择里最完整的一个：图像生成、图像编辑、视频生成都在同一个产品里，不需要在几个工具之间导来导去。

对中文用户最实际的好处是提示词不用翻译。国际模型对中文提示词的理解普遍不如英文，而它是按中文语料训练的，描述“国潮风格”“水墨质感”这类本土概念时不会跑偏。中文字体的渲染也明显好于国际模型——后者生成的中文常常是似是而非的字形。

短板是画面的整体质感与 Midjourney 仍有差距，复杂场景容易出结构问题。

大陆可直接访问，需要手机号注册。

不只是“输入文字生成视频”，而是一整套后期工具：抠像、消除物体、运动跟踪、把静态图变成有镜头运动的片段，都在同一个界面里。对已经在做视频的人来说，它替代的是若干个原本要分别打开的软件。

生成部分的可控性也高于多数同类：可以指定镜头运动方式、用图像作为首帧或末帧来约束画面走向。

限制是时长和一致性。单次生成的片段很短，把几段拼成有叙事的内容时，人物和场景很难保持一致——这是当前所有视频模型的共同问题，不是它一家的短板。

官网大陆可以打开，但登录与生成环节依赖境外网络。

国内能直接用的视频生成里效果比较靠前的一个。人物动作的自然度和物理合理性做得不错——手部、走路姿态这些最容易穿帮的地方，出问题的频率低于多数同类。

支持文生视频与图生视频两条路：给一张图让它动起来，比纯文字描述更容易得到你想要的画面，这也是目前所有视频模型里更可控的用法。

短板与整个品类一致：单段时长有限，多段之间难以保持一致，复杂运镜容易出现结构崩坏。中文提示词理解是优势，描述本土场景时不需要绕道英文。

大陆可直接访问。

合成语音的自然度目前最高的一档：停顿、语气起伏、情绪都接近真人朗读，不像多数 TTS 那样一听就是机器。做有声内容、视频配音、播客草稿时，它的输出往往可以直接用。

支持声音克隆——用几分钟素材复刻一个音色。这个能力很强，但也意味着你要为使用它承担责任：用别人的声音需要对方同意，很多地区对此有明确法律规定。

中文效果不如英文自然，语调偶尔会有外国人说中文的感觉。纯中文内容值得同时试试国内的方案。

官网大陆可以打开。

输入一句风格描述，它给你一首完整的歌——编曲、人声、歌词都有。这在几年前还是不可想象的事，现在做背景音乐、短视频配乐、demo 小样，它能在几分钟内给出可用的东西。

歌词可以自己写，也可以让它生成。中文歌的咬字比早期版本好了很多，但仍偶有发音怪异的地方，需要多生成几次挑一个。

要留意版权与授权：免费额度生成的作品通常不含商用许可，用在正式项目里之前务必看清楚当前的条款——这类条款变动比较频繁。

大陆直连不通。

它解决的是通用对话模型最大的问题：你无法判断答案是真的还是编的。这里每个论断后面都跟着来源链接，可以点进去核对原文。对于需要拿出去用的信息——写报告、做调研、查技术资料——这个差别是决定性的。

比起传统搜索，它的价值在于替你读完前几个结果再作答，而不是丢给你十条链接。查一个明确的事实性问题时，省下的时间很可观。

它不适合需要创造性或长篇输出的任务——那不是它的定位。另外要提醒：有来源不等于来源可靠，它引用低质量网页的情况并不少见，链接仍然要自己看一眼。

大陆直连不通。