简短的答案
可以：你可以在同一个对话里使用GPT、Claude、Gemini及其他任何模型，通过模型选择器逐条消息切换。整段对话内容会随切换一并带过去：你发送的消息、前一个模型的回答，以及你上传的文件，因此Claude可以直接点评GPT刚写的内容，你不需要重新粘贴任何东西。
每一条消息都按回答它的那个模型的额度成本计费，并且该模型必须包含在你的订阅方案里。本文接下来会讲清楚什么时候切换划算，什么时候不划算。
切换模型时会发生什么
新模型会收到迄今为止的完整对话，包括你发送的消息、前一个模型的回答，以及你上传的任何文件。从它的角度看，它是在加入一场已经进行到一半的讨论，所有内容对它都是可见的。
这就是为什么它和在三个浏览器标签页之间复制粘贴文本完全不同。当你把内容粘贴进一个新工具时，你带过去的只是结果，却丢掉了推理过程、你在五条消息里建立起来的各种约束条件，以及你上传的文档。在原地切换则会把这一切都保留下来。
有两点值得了解。新模型会把前一个模型的输出看作对话的一部分，这可能会让它倾向于附和已有的结论。如果你想要真正独立的判断，就明确说出来：请就其本身的价值评估上面这个答案。我想要你自己的判断，而不是对已有说法的综合。此外，每轮消息的输入预算上限是40,000个tokens，上下文窗口较小的模型分到的比例也相应更少，所以很长的对话在切换到任何模型时都会被裁剪以适配该模型；超过这个上限后，上下文窗口再大也不会让系统发送更多的历史内容。如果切换后得到的回答像是忘记了讨论的早期部分，上下文预算通常就是原因。
值得掌握的四种模式
1. 阶段分工。 大多数人最终都会采用的工作方式。一项任务的不同阶段交给不同的模型来做。
用GPT搭框架，用Claude写正文，开启联网搜索用来核实。无论是写一篇文章、一份提案、一份需求说明还是一份报告都适用，之所以有效，是因为这真的是三种不同的能力，而不是同一种能力的三个难度等级。
2. 找第二意见。 先拿到一个答案，然后切换模型，让新模型来挑它的毛病。
一位同事提出了上面的答案。找出其中的问题：事实错误、被忽略的边界情况、更简单的做法，或者站不住脚的假设。如果它其实是站得住的，就直说，不要硬找理由反对。
这样能得到两种有用的结果。要么在你据此行动之前，真正的漏洞被发现了，要么第二个模型在被要求反驳的情况下依然认同，这本身就是一种有分量的确认。用同一个模型反复追问得不到这两种结果中的任何一种，因为模型往往会认同自己。
3. 换个说法。 当一个解释讲不通的时候，切换模型，而不是反复重读。
Claude和GPT解释同一个概念时，用的框架往往真的不一样，第二种框架常常正好是能讲通的那一种。这是拥有不止一个可用模型这件事里，最被低估的好处，而且只需要点一下鼠标。
4. 按能力路由。 因为只有某个模型能做这件事，所以才切换。
一份300页的文档要交给拥有百万级token上下文窗口的模型。一张图片要交给能读图的模型。关于上周发生的事的问题反而是唯一完全不需要切换的情形：Whizi里的联网搜索是输入框里按对话开关的一个选项，它跑在你当前正在使用的模型上，打开它不额外花费任何额度。除此之外都不是偏好问题，而是硬性限制，也正是单一模型订阅彻底行不通的情形。
哪个阶段用哪个模型
这是一个起点，不是一条规则。用不了一周，你自己的任务就应该会推翻它。
| 阶段 | 模型 | 原因 |
|---|---|---|
| 头脑风暴、搭结构、列大纲 | GPT | 速度快，严格遵循提示词，层级清晰 |
| 起草正文、把控语气、说服力 | Claude | 废话最少，语气能保持一致，最擅长处理有难度的语气 |
| 调研、最新事实、找来源 | 任意模型，开启联网搜索开关 | 搜索是输入框里按对话设置的选项，不是某个模型独有的属性 |
| 长文档、大规模语料 | Gemini | 当前档位中拥有百万token上下文窗口 |
| 严格格式、表格、JSON | GPT | 遵守精确schema最可靠 |
| 点评与找茬 | 任何不是它自己写的模型 | 独立性才是关键 |
这张表列出了大多数人一开始就会用到的三个模型家族，选择器里的选项其实更多。开源权重的模型家族各自都有专门的说明页，列出每条消息的额度成本，以及能解锁它的订阅方案：Llama、Mistral、Kimi和GLM。
不管任务是什么，有一条规则值得坚持：负责点评的模型永远不应该是负责起草的那个模型。
让切换真正划算
切换在你告诉新模型你想要它做什么时最有效。什么框架都不给就直接丢过去，得到的只是同一场对话换了个稍微不同的语气继续下去。
交接一个阶段
我们现在有了上面的大纲。只起草第2节。使用大纲下列出的证据。语气参考：[粘贴示例]。不要把大纲重复给我看。
要求独立判断
忽略上面已经建立的框架，从头回答这个问题：[重新陈述问题]。我想要真正独立的看法，而不是对已有内容的润色。
彻底更换任务
别再起草了。改成审阅。标准是这样的：[说明标准]。只汇报问题，不要重写。
还有一个值得养成的习惯：当切换带来明显更好的结果时，记下是哪个模型、哪个阶段。几周之后，你会得到一张专属于你自己工作的路由地图，而不是针对某个基准测试的路由地图，这张地图比任何已发表的对比都更有价值。
什么时候不该切换
切换的成本很低，但不是零，有些情况下切换反而会把事情弄糟。
- 写到一半时为了文风切换。 一篇长文写到一半换模型会留下明显的接缝，因为语气的一致性正是模型之间差异最大的地方。先写完草稿，再切换去做点评。
- 任务本身还没定义清楚时。 切换解决不了一个含糊的提示词。如果第一个答案没用是因为问题本身不清楚，换一个模型只会给你另一个同样没用的答案。
- 为了找到一致意见而切换。 反复切换直到某个模型说出你想听的话，本质上是把一个你早已做好的决定洗白。如果三个里有两个都不同意，那本身就是结论。
- 在一个很长的对话里切换到上下文窗口更小的模型。 如果早期的上下文很重要而对话又很长，要么继续用大上下文窗口的模型，要么先总结整个对话再重新开始。
如果想让两个模型同时而不是先后回答同一个提示词，参见并排对比模型。
- 在开始之前，先给任务的每个阶段分配好对应的模型
- 告诉新模型它接手的是什么任务，而不是让它接着往下聊
- 想要真正的第二意见时，明确要求独立判断
- 永远不要让起草内容的模型同时也负责点评
- 解释讲不通时就切换模型，而不是反复重读同一个解释
- 切换前先写完草稿，让语气保持一致
- 记录哪个模型在哪个阶段表现最好，方便日后参考
常见问题
下一个模型能看到完整的对话吗？
能。Whizi默认会把完整的对话上下文往下传递，包括你的消息、之前模型的回答，以及你上传的文件，所以新模型加入时一切都是可见的。唯一的例外是每轮消息的输入预算，上限是40,000个tokens，在上下文窗口较小的模型上这个比例还会更小：很长的对话会被裁剪以适配。如果一个回答看起来忘记了很长讨论的早期部分，通常是碰到了这个预算上限，而不是你切换到的那个模型本身的问题。
我能对某个特定模型隐藏部分对话内容吗？
你可以把对话分叉，或者开一个新对话，只带上你想保留的上下文，这对敏感内容以及那些积累了大量无关细节的长对话都是正确的做法。用一段简短的总结重新开始，往往比带着四十条消息的历史记录效果更好，因为旧的上下文会和真正的问题争夺模型的注意力。
在草稿写到一半时切换模型会改变写作风格吗？
会，而且变化很明显，这也是为什么应该在同一个模型里写完一份草稿再切换。语气的一致性正是模型之间差异最大的地方，所以一篇长文写到一半交接，会留下明显的接缝。更有效的做法是全程用一个模型起草，再切换模型来做点评、事实核查或结构化提炼。
有自动的模型路由吗？
有，就是选择器里叫Auto的那一行。它会读取每条消息，把它归到六个固定档位中的一个，然后用绑定在该档位上的模型来回答，绝不会超出你订阅方案能解锁的范围。这里没有可编辑的路由规则：设置里没有任何选项能修改这套阶梯、给某个档位加权重，或者把Auto锁定到某个模型上。手动选择模型仍然是逐条消息的决定，而按阶段手动选择的这个习惯，往往能让你更了解哪个模型真正适合你的工作。
切换模型算作额外的消息吗？
在选择器里更改模型本身不会发送任何内容，所以不会产生任何费用，直到你发送下一条消息为止。每一条消息都按回答它的那个模型的额度成本计费，所以切换之后下一个答案的价格也会跟着变：由1额度的模型回答的一条消息花费1个额度，同样一条消息由20额度的模型回答就要花费20个额度，额度对照表列出了每个模型的成本。让第二个模型再回答一次同样的问题算作第二次计费，如果答案很重要，这笔花费是值得的。