Claude 與 ChatGPT 寫作自測法：五道題、五個面向，結論自己測出來

「Claude 和 ChatGPT 哪個比較會寫？」這題沒有通用答案，別人的答案對你也幾乎沒用：同一個模型改商務信和寫文案可以差很遠，中文和英文是兩回事，兩家一年改好幾次版本，連同一題問兩次都不會一樣。這篇不給你結論，給你方法——花 30 分鐘，用你自己真的要寫的東西出五道題，兩邊各測一次。

先說清楚：我們沒有帳號替你測，這篇也不會貼出誰勝誰負的分數。關於兩家的敘述只有一種來源，就是官網公開寫出來的模型與功能（2026 年 9 月查證，模型名單 10 月 5 日重新查過），查不到的就寫以官網為準。其餘全是操作說明：五道題的完整提示詞、每題要看什麼、一張空白評分表、四個避免測出假結論的規則，以及結果該怎麼讀。

為什麼別人的評測對你沒用

網路上的評測與排行榜不是沒有價值，只是它們回答的是「在那批題目上、那個時間點、那群評分者眼中誰比較好」，你的問題卻是「在我明天要交的那份稿子上誰比較好」。Anthropic 官方的評估設計文件第一條原則就寫著：評估要針對任務，設計成能反映你真實世界的任務分布。這句話原本寫給開發者，套在寫作上一樣成立。

• 任務不同：改一封有上下文的中文商務信、把逐字稿壓成三百字摘要、寫一句放在按鈕旁邊的文案，考的能力不一樣，一個總分蓋不住。
• 中文和英文差很多：官方詞彙表寫明一個 token 對 Claude 約是 3.5 個英文字元，實際會因語言而異。中文寫得順不順，不能從英文成績推出來。
• 版本一直在變：OpenAI 說明中心記錄 ChatGPT 在 2026 年 3 月 11 日下架了 GPT-5.1 的三個版本、2026 年 2 月 13 日淘汰了 GPT-4o；Anthropic 官方文件也替每個模型列出退役日期。三個月前的評測講的，可能是你已經選不到的模型。
• 同一題兩次結果就不同：Anthropic 官方詞彙表寫得很白，即使把 temperature（溫度）設成 0，相同輸入也可能產生不同輸出。所以「我測過一次」本身就不是定論，包括你自己那一次。

測試題一：改一封中文商務信

第一題測有分寸的修改。找一封你真的要寄的中文商務信，兩百到四百字，裡面帶一個為難的請求：延期、催資料或拒絕。整段貼上去，接這段提示詞：「這是一封我要寄給客戶的信。請幫我改得更清楚、更有禮貌，但語氣不要卑微。不要新增任何我沒寫的理由或承諾，日期、金額、人名一個都不能動。用台灣的繁體中文。改完在信的下面列出你改了哪幾處，一行一處，原句在前、改後在後。」

• 有沒有亂加事實：最常見的是替你補一個沒說過的延期理由，或加上你沒答應的承諾。
• 語氣對不對：要客氣不要卑微，看它有沒有把「請於本週回覆」改成一整段道歉。
• 繁中用詞：冒出「郵件」「信息」「質量」就扣分，台灣寫「信」「訊息」「品質」。
• 結構：有沒有把一句講完的事拆成三段客套話。
• 可直接用的程度：你還要逐句救回原意，分數就低。

測試題二：把三段訪談整理成摘要

第二題測壓縮時會不會失真。準備三段真的逐字稿，每段五百字上下，最好有一處講者講錯又改口。提示詞：「下面是三段訪談逐字稿。請整理成一份三百字以內的摘要，分成三個重點，每個重點後面附上支持它的原文引句。只能用逐字稿裡有的內容，沒講到的一律不要寫。如果三段之間有矛盾，不要替我調和，把矛盾直接寫出來。用台灣的繁體中文。」

• 有沒有亂加事實：引句是不是真的在逐字稿裡，自己用搜尋比對一次，這步不能省。
• 有沒有把講者改口前的說法當成結論。
• 有沒有照你說的把矛盾攤出來，還是自作主張挑了一邊。
• 結構：三個重點是不是真的三件事，還是同一件事換三種說法。
• 可直接用的程度：三百字的限制有沒有守住。

測試題三：寫一段產品文案

第三題測沒有素材時的自制力。挑一個你手上真的產品，只給它三個確定的事實：價格、一個規格、一個限制。提示詞：「請替［產品名稱］寫一段八十字以內的文案，放在購物頁最上面。你只能使用下面這三個事實：［事實一］［事實二］［事實三］。不要寫出這三個以外的任何功能、效果或保證，也不要堆疊形容詞。用台灣的繁體中文，不要用驚嘆號。給我三個不同寫法的版本。」

• 有沒有亂加事實：三個事實以外多出來的每一句都是幻覺，數一數有幾句，這是最容易量化的一格。
• 有沒有守住八十字。
• 三個版本是不是真的不同，還是只換了幾個形容詞。
• 語氣與繁中用詞：有沒有變成很用力的電商腔。
• 可直接用的程度：有沒有一個版本改一兩個字就能貼上去。

測試題四：把英文段落翻成繁體中文

第四題測中文本身。挑一段你工作上真的會遇到的英文，三百字左右，最好帶專有名詞的技術或合約段落。提示詞：「請把下面這段英文翻成台灣用語的繁體中文。專有名詞第一次出現時保留英文原文，並在括號裡附上中文。不要意譯到失去原意，也不要逐字直譯到中文不通順。翻完另外列出你猶豫過的三個詞，說明你為什麼這樣選。」

• 繁中用詞：軟體不是軟件、網路不是網絡、品質不是質量、使用者不是用戶、影片不是視頻。
• 翻譯腔：「作為一個⋯」「⋯之一」「不僅⋯而且⋯」，還有唸出來會卡的長句。
• 有沒有亂加事實：譯文裡多出來的解釋，是最容易被放過的幻覺。
• 專有名詞有沒有照你說的處理。
• 最後那份「猶豫過的三個詞」有沒有講到重點，這比譯文本身更看得出深淺。

測試題五：照你的舊文風格續寫

第五題測風格模仿，也是最主觀的一題。貼兩篇你自己寫過、重讀還滿意的文章，再貼一段新文章寫到一半的開頭。分兩步：先說「上面兩篇是我自己寫的文章。先不要寫任何東西：讀完後用條列告訴我，我的句子平均多長、我習慣的句尾和連接詞、我怎麼開頭和收尾。」等它回答完，再說「照這個風格把下面這段續寫兩百字。不要在開頭重述題目，不要寫過場句。」

• 那份風格描述抓對了沒：這步就看得出它有沒有真的讀你的文章，還是套了一組通用形容詞。
• 續寫的句長和你自己的像不像，唸出來最準。
• 有沒有冒出你從來不用的詞。
• 結構：有沒有自動滑回「首先、其次、最後」那種模板。
• 可直接用的程度：那兩百字你要動幾個字才算是自己寫的。

用 Claude 寫作：設定風格、長文結構與潤稿，寫出像自己寫的中文

評分表：五題乘五個面向，各 1 到 5 分

五個面向是：正確（有沒有亂加事實、有沒有動到你的數字）、語氣（是不是你要的口氣）、繁中（台灣用詞與翻譯腔）、結構（重點順序與段落切法）、可直接用（不改或小改就能交出去的程度）。每格 1 到 5 分：1 分要重寫，3 分要大改，5 分直接能用。兩家各抄一張，最下面那列把每個面向的五題分數加起來。

為什麼是 1 到 5 分而不是打勾？Anthropic 官方的評估設計文件在談主觀品質怎麼評時，列出的做法正是李克特量表這類等距分數。重要的不是分數，是你被迫在五個面向上分別想一次；少了這張表，你很容易因為某一題開頭寫得漂亮就整體給高分。

公平測試的四個規則

測試最容易出錯的地方不是題目，是流程。下面四條缺一條，結論就不算數。

1. 同一段提示詞：兩邊貼一模一樣的字，連標點都不要改。想到更好的講法就兩邊重測，不要只改一邊。
2. 同一批材料：同一封信、同一份逐字稿、同一段英文、同樣那三個事實。換材料等於換考題。
3. 各開新對話：每題每家都開一個乾淨的新對話。同一個對話裡連問五題，後面會被前面影響，你測到的是對話脈絡不是模型。順手把自訂指令、記憶與專案指令暫時關掉。
4. 盲評：把兩份輸出貼到第三個地方（記事本或文件檔都行），拿掉來源標記，隨機排順序，隔一段時間再回來評分。

第四條最常被跳過，也最有效：人對自己已經在用、尤其是已經付錢的那一家會不自覺地寬容。公開的對戰排行榜也是這樣做的，arena.ai 讓你先看兩個匿名模型的回答，投完票才揭曉是誰。

閱讀完整文字說明

左半邊是一張空白的評分矩陣，橫向五欄是五個評分面向：正確、語氣、繁中、結構、可直接用；縱向五列是五道測試題：一、改中文商務信，二、訪談整理成摘要，三、寫產品文案，四、英翻繁體中文，五、照舊文風格續寫。二十五個格子全部留白，每格畫一條短橫線表示自己填，每格填 1 到 5 分。矩陣下方寫著 1 分要重寫、3 分要大改、5 分直接能用，以及空白表抄回去、兩家各填一張、同一套題目填兩次。右半邊由上往下是公平測試的四個規則。第一，同一段提示詞：兩邊貼一模一樣的字，連標點都不要改。第二，同一批材料：同一封信、同一份逐字稿、同一段英文。第三，各開新對話：每題每家都開乾淨的新對話，並關掉自訂指令。第四，盲評：把兩份輸出貼到第三個地方、拿掉來源、隔一段時間再評。右下方註明四條缺一條，左邊的分數就不能拿來比，整套五題兩家大約三十分鐘。圖的下方提醒：同一題測兩次結果就會不同，官方文件寫明即使把 temperature 設成 0，相同輸入也可能產生不同輸出；模型、功能與方案依 2026 年 9 月的官方文件，這張圖畫的是方法，不是任何一次實測的結果。

兩家在官網上各自主打什麼

這節只寫兩家官網寫得出來的東西，模型名單是 2026 年 10 月 5 日的版本。Anthropic 的官方文件把目前的模型列成四個：Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5 與 Claude Haiku 4.5；前三個的上下文視窗都是 100 萬 token，Haiku 4.5 是 20 萬 token。寫作相關的功能，官網產品頁列出 Artifacts、專案（Projects）與技能（Skills），說明中心把可以調整回答方式的設定分成三層：帳號層級的指令、專案指令與技能。

OpenAI 說明中心列出的 ChatGPT 模型是 GPT-5.6 家族的 Luna、Sol、Sol Pro、Terra，以及由 GPT-6 Astra 驅動的 GPT-6 Pro；免費與 Go 方案用 GPT-5.6 Luna，Sol 在 Plus 以上的方案。模型選單提供 Instant、Medium、High、Extra High 幾種推理程度；比較新的 GPT-6.1 Sol 只在 ChatGPT Work 與 Codex 裡，不在一般的聊天對話裡。寫作相關的功能，說明中心把 canvas 描述成可以共同寫作、編輯、標註並取得行內建議的互動工作區，另外有可以就地編輯的寫作區塊，以及專案、自訂指令與記憶。聊天介面的上下文視窗說明中心沒有公布，只有開發者文件寫出 GPT-6 Astra 是 105 萬 token；實際吃得下多少，以官網為準。

這些數字唯一的用途，是讓你知道兩邊規格大致落在同一個量級。它們不是寫作品質的證據：上下文視窗大不代表摘要做得好，版本新也不代表中文寫得順。

ChatGPT Canvas 改版後怎麼改稿：用寫作區塊與程式區塊逐段修文章、改小腳本

結果怎麼讀：不會有誰全面勝出

兩張表填完，最可能的結果不是「甲全面勝出」，而是「某幾類任務甲比較順、某幾類乙比較順」。翻譯與摘要這種有對錯可查的題目，跟文案與風格模仿這種沒有標準答案的題目，本來就不會由同一個特質決定。也很可能兩邊都落在 3 分：都要大改才能用。那一樣有價值，它告訴你瓶頸不在選哪一家，而在你的提示詞和材料。

還有一件事：你測的是今天這個版本。三個月後兩家都可能換過模型，這張表就得重測。與其每次發稿前重做一次，不如把這五題和你的材料存成一個資料夾，下次想換工具時拿出來再跑一次。

依任務選 AI 工具：寫作、翻譯、程式、圖片、研究各用哪一個

• AI 工具
• 對話助理