ChatGPT vs Claude vs Gemini v každodennej práci

Prečo ti tabuľky s benchmarkmi nepomôžu

Verejné benchmarky merajú úzke úlohy v laboratórnych podmienkach a rebríček sa mení každých pár týždňov. Ani jedno ti nepovie, či model napíše e-maily tvojim klientom hlasom, pod ktorý by sa dalo podpísať.

Rozhoduje tvoja práca. Má tvoj tón, tvoje formáty súborov, tvoje opakujúce sa hraničné prípady a nič z toho sa neobjaví v skóre zo sto.

ChatGPT vs Claude vs Gemini: v čom je ktorý dobrý

Hrubým štetcom, a s každým vydaním sa to posúva, takže to ber ako východiskovú hypotézu, nie ako rozsudok.

Test, ktorý to naozaj rozhodne

Vezmi tri skutočné úlohy z minulého týždňa. Nie ukážkové prompty: skutočný e-mail, skutočné zadanie, skutočné čistenie tabuľky. Každú pošli všetkými modelmi s rovnakým promptom.

Potom hodnoť jedinú vec: koľko minút úprav treba, kým je text hotový na odoslanie. To číslo je celé porovnanie.

Rola: si môj redaktor.
Kontext: <vlož skutočný materiál>
Úloha: <skutočná úloha, jeden výstup>
Formát: <dĺžka, štruktúra, tón>
Pravidlo: nevymýšľaj fakty. Pomenuj všetko, čo chýba.

Kde zlyhávajú stále všetky

Zlyhania sú si podobnejšie, než naznačuje marketing, a sú dôvodom, prečo v procese ostáva človek.

Čo s výsledkom

Jeden vyber ako základný, druhý si nechaj na úlohy, kde jasne vyhráva, a na pol roka prestaň čítať porovnávacie vlákna.

Test s tromi úlohami zopakuj, keď vyjde veľké vydanie. Trvá hodinu a je to jediné porovnanie, ktoré opisuje tvoju prácu.

Časté otázky