对话式的大语言模型产品已经在改变我的很多日常习惯。鉴于 ChatGTP 国内访问非常不方便，现在也逐渐的在尝试使用通义千问、文心一言等产品。总体上感觉，通义千问和文心一言也都非常不错了，满足基本的日常使用是完全没有问题的，但相比于 ChatGPT 还是差了那么一点意思。这里记录一些日常使用的对比，看看，所谓的那么“一点意思”到底是什么。

简要的问题和简要的回答

这里的问题是：“方括号 英语”。来看看 ChatGPT、通义千问、文心一言的回答：

可以看到，三个引擎都给出准确的答案。其中，ChatGPT 给出的回答最为简洁，也是这里我最为偏好的回答。

为什么这里给出简单的回答更好呢？

这里的问题非常简单，这时候，通常也是期望更为简单的回答的。试想这样的场景，你在写一篇英语小短文，但你不确定“方括号”的英语怎么说，恰好你旁边有一个英语很好的同事，你问她：“方括号的英语是？”。如果她像上述通义千问、文心一样，说了一大堆，你可能会打断她，因为当下写材料才是重点，不是想学英语。如果，我真的想学英语的话，我的问题，则可能是这样：“方括号 英语 并给出示例”。

一般的，简单的问题简单回答就可以了。如果用户期待更多信息或者更详尽的回复，通常也会更详细的描述问题。

再比如：“Latex表示一个矩阵（方括号）： 变量用x表示，共n_x行，m列。其中行号用下标表示，列用带有括号的上标表示”

同样的，ChatGPT 更简洁，通义千问次之，文心一言则略显啰嗦。毕竟，这时候我只是想要答案，不想知道获得这个结果的完整的推理过程。

类似的，再比如：

“分总/总分总”与“递进式”的结构

我们来看看如下问题，不同的大模型的回答：使用中文介绍一下“Goldsmiths Research Online”

可以看一下这个三个回答的对比，通义千问和文心一言，都使用了“总分总”或“分总”的结构去回答问题。而，ChatGPT则使用了递进式的结构，显得更加自然。

同时，因为通义千问和文心一言总是倾向于使用“总分总”或“分总”类似的结构，所以就就会给人比较呆板一些的感受。

前端展示效果

因为最近在学习机器学习的一些原理，所以，有时候会让 ChatGPT 帮助编写一些数学公式。这里的问题是：x是一个3×4的矩阵，每个元素分别是1…12，使用latex写出这个矩阵。

可以看到，ChatGPT 在前端应该使用了类似Latex的前端组件，有更好的展示效果。而通义千问、文心一言则没有使用类似组件去展示。根据测试，通义千问、文心一言也都是支持 Latex 的前端展示，只是不会经常使用。

最后

总体感觉，在日常使用中，通义千问、文心一言和 ChatGPT 差别并不是很明显，早期通过各种方式去科学访问 ChatGPT 现在看起来必要性并没有那么高了。但，在一些细节点上，还存在一些差距，期待通义千问、文心一言都后续的版本能够变得更强。