准确率小赢却胡诌率飙89%，ChatGPT与Claude的分歧不只是分数

先看一组矛盾的数字。ChatGPT最新旗舰模型GPT 5.6 Sol（Max）在AA-Omniscience Hallucination Rate基准上，胡诌比例是89%——比旧款GPT-4o的38%高出一大截。同一份基准里，GPT 5.6 Sol的知识准确率反而比前代进步。也就是说，这套模型「懂得更多」，但遇到不知道的问题时，选择编答案而不是承认不知道的概率也变高了。

对照组是Anthropic的Claude Fable 5（Max），胡诌率55%，准确率61%，都优于GPT 5.6 Sol的59%。差距在中阶模型上更明显：Claude Sonnet 5准确率38%、胡诌率37%；ChatGPT 5.6 Terra准确率46%领先，胡诌率却高达85%。换句话说，两家公司在「答对更多」这件事上打平，但一遇到不会的题目，ChatGPT系模型明显更容易硬掰。

功能面的分工也清楚。Claude今年1月推出的Cowork可以代为处理知识型任务，比如整理文件；用户能创建称为skills的指令组，在对话中用「/」随时调用，这套skills能跨Claude聊天、Cowork与Claude Code使用。Claude Artifacts则能实时渲染代码片段、单页HTML网站、React组件和图表，做出来的东西可以直接发布分享，还能透过Model Context Protocol连接器抓实时数据。ChatGPT也有skills，但只限Codex与API里的个人帐号使用，一般聊天窗口用不到；对应Artifacts的功能叫Sites，锁定企业内部使用，同样只在Codex里开放，且拉不到实时数据。

反过来，ChatGPT在语音体验上明显更成熟——声音自然、可以打断它说话而不会让它忘记前面在讲什么，搭配Advanced voice mode的实时图像功能，可以把镜头对着眼前的问题直接问。图像生成也是ChatGPT的强项，能做出接近真实照片的图，Claude在这块只能靠HTML和SVG画图表、图标。

两群用户，两种用法

Anthropic今年3月发布的Economic Index报告指出，Claude的对话有42%属于个人用途、45%与工作相关，剩下是课业使用；OpenAI自家报告则说ChatGPT有70%的使用与工作无关。这组数字某种程度解释了两边产品设计的差异——一边往企业协作与程序工具靠拢，一边持续强化语音、图像这类日常交互功能。

今年2月发生的一件事，加速了部分用户换边站：Anthropic与美国国防部（Department of War）的合约谈判破局，原因是公司拒绝让模型被用于国内大规模监控与全自动武器系统，随后被列为供应链风险对象。几小时后，OpenAI宣布与美国政府签下类似合约，附带部分限制条款。这起事件让不少人转而认定Anthropic是「更讲原则」的一方，Claude的下载量在之后出现明显成长。

免费层的体验也在分岔。OpenAI开始在免费版和ChatGPT Go方案中置入广告；Anthropic则替免费版Claude加了更多功能，没有广告。

定价结构大致对称。Claude免费版只能用中阶的Sonnet 5，付费依序是每月20美元（年缴17美元）的Pro、100美元的Max 5x（用量是Pro的五倍）、200美元的Max 20x（二十倍用量）；Pro用户用Fable 5是按token计费，Max方案则可把每周用量的一半分给Fable 5，额度用完还能加购。ChatGPT同样有20、100、200美元三档，另外多一个8美元的方案，用量提高但仍有广告；Codex虽然免费开放，但用量上限低到近乎聊备一格。