怎麼在Whizi對話中途切換AI模型

簡短的答案

可以:你能在同一場對話裡使用GPT、Claude、Gemini或其他任何模型,從模型選擇器每則訊息切換一次。整串對話會跨越這次切換延續下去,包括你的訊息、前一個模型的回覆,以及你附上的檔案,所以Claude可以直接評論GPT剛寫的內容,你不需要重新貼上任何東西。

每一輪回覆都會依回答的那個模型的點數成本計費,而且該模型必須包含在你的方案裡。這一頁接下來要談的是什麼時候切換值得,什麼時候不值得。

切換之後會發生什麼事

新模型會收到目前為止的完整對話,包括你的訊息、前一個模型的回覆,以及你附上的任何檔案。從它的角度來看,它是加入一場已經在進行中的討論,一切都看得到。

這正是為什麼它跟在三個瀏覽器分頁之間複製貼上文字不一樣。當你把內容貼進新工具時,你只帶走了輸出結果,卻遺失了推理過程、你在五則訊息裡建立起來的限制條件,以及你上傳的文件。原地切換則會保留這一切。

有兩件事值得知道。新模型會把前一個模型的輸出當作對話的一部分來看,這可能讓它偏向附和。當你想要一個真正獨立的看法時,就明講出來:「請就上面這個答案本身的優劣來評估。我要的是你自己的判斷,不是把已經說過的內容再整合一次。」另外,每輪的輸入預算上限是40,000個token,情境窗口較小的模型分到的比例也會相對更少,所以很長的一串對話會被裁剪以配合你切換過去的那個模型,超過這個上限之後,更大的情境窗口並不會多送出更多對話內容。如果切換之後得到的答案像是忘了討論前段的內容,通常就是情境預算的緣故。

四種值得學起來的模式

1. 階段分工。 大多數人最後都會用到的工作方式。同一項任務的不同階段交給不同模型處理。

用GPT定結構,用Claude寫文,再開啟網路搜尋用另一個模型查證。無論是寫一篇貼文、一份提案、一份規格書還是一份報告,這個做法都適用,因為這確實是三種不同的技能,而不是同一種技能的三種難度。

2. 第二意見。 先拿到一個答案,再切換模型,請新模型挑毛病。

「一位同事提出了上面這個答案。找出它有什麼問題:事實錯誤、遺漏的邊界情況、更簡單的做法,或是站不住腳的假設。如果它其實沒問題,就直接說明,不要硬找理由反對。」

有兩種有用的結果。要嘛在你採取行動之前先浮現出真正的缺陷,要嘛第二個模型即使被要求反駁,還是同意了,這就是有意義的確認。用同一個模型反覆問,兩者都得不到,因為模型往往傾向認同自己。

3. 換個角度講。 當一個解釋聽不懂時,切換模型,而不是重讀一次。

Claude和GPT解釋同一個概念時,框架往往真的不一樣,而第二種框架常常正好是讓你恍然大悟的那一種。這是擁有不只一個模型可用的最被低估的理由,而且只需要多按一下。

4. 能力分工。 因為只有一個模型能做這件事,才切換。

一份300頁的文件要交給有百萬token情境窗口的模型。一張圖片要交給能讀圖的模型。問上週發生的事,則是唯一完全不需要切換的情況:Whizi的網路搜尋是輸入框裡按對話開關的功能,它會用你現在正在用的模型執行,而且開啟它不花任何點數。其他情況就不是偏好問題了,而是硬性限制,也正是單一模型訂閱方案徹底失靈的地方。

哪個階段該用哪個模型

這只是一個起點,不是規則。留意一週之後,你自己的任務應該會取代它。

階段	模型	原因
發想、定結構、列大綱	GPT	速度快,緊貼指示,層次清楚
寫文稿、調語氣、說服力	Claude	廢話最少,語氣最能維持一致,最擅長處理困難的語氣
研究、最新事實、資料來源	任何模型,搭配開啟網路搜尋	搜尋是輸入框裡按對話設定,不是模型本身的屬性
長文件、大量素材	Gemini	目前版本有100萬token的情境窗口
嚴格格式、表格、JSON	GPT	最能可靠遵守精確的結構規範
挑毛病與紅隊測試	任何沒寫過這份內容的模型	獨立性才是重點

這張表列出的是大多數人一開始會接觸到的三個模型家族,而選擇器裡的選項比這還多。開放權重的模型家族各有自己的參考頁面,列出每則訊息的點數成本,以及開通各家的方案:Llama、Mistral、Kimi和GLM。

無論任務為何都值得堅守的一條規則:負責挑毛病的模型,絕不能是原本寫稿的那個模型。

讓切換真的值得

當你告訴新模型你想要它做什麼時,切換最有幫助。如果沒有任何說明就丟進去,你得到的只是同一場對話的延續,語氣稍微不同而已。

交接一個階段

「我們現在有了上面這份大綱。只要寫第二節。使用大綱裡列出的證據。語氣:[貼上範例]。不要把大綱內容重述給我聽。」

要求獨立判斷

「請忽略上面已經建立的框架,從頭回答這個問題:[重述問題]。我要的是真正獨立的看法,不是把已有的內容再修飾一遍。」

徹底換一項工作

「停止寫稿,改成審稿。標準如下:[說明標準]。只回報問題,不要重寫。」

再多一個習慣:當切換得到明顯更好的結果時,記下是哪個模型、哪個階段。幾週之後,你會有一份專屬於自己工作的路由地圖,而不是根據某個基準測試,這份地圖比任何公開的比較都更有價值。

什麼時候不該切換

切換成本不高,但也不是零成本,有些情況下切換反而會讓事情變糟。

• 寫到一半,只為了風格。 一篇長文寫到一半換模型會留下明顯的接縫,因為語氣一致性正是模型之間會改變的地方。先把稿子寫完,再切換去挑毛病。
• 當你還沒定義好任務時。 切換無法修正一個含糊的提示詞。如果第一個答案沒幫助是因為問題本身不清楚,換一個模型只會得到另一個沒幫助的答案。
• 為了找到附和。 一直換到某個模型說出你想聽的話,只是在把一個你早就做好的決定包裝得像是經過驗證。如果三個裡有兩個不同意,那才是真正的發現。
• 在很長的一串對話裡,換到情境窗口較小的模型。 如果前段的脈絡很重要而對話又很長,那就繼續用大情境窗口的模型,或者先把對話摘要一遍再重新開始。

如果想同時而非依序在同一個提示詞上跑兩個模型,可以參考並排比較模型。