通用文本：AI 能做到什么程度
起草、改写、总结、转格式。能力描述各家都给得很泛，真正能核到的是窗口、输出上限与价格。
3家官方文档6条写明的硬限制11条官方自己承认做不好的2026-09-06数据截至
01
各家官方怎么说
点开看硬限制和官方自己承认的短板，数字原样取自官方页面
| 厂商 | 官方怎么定位它 | 硬限制 | 自认短板 |
|---|---|---|---|
 Anthropic（Claude） | 官方模型表把 Opus 5 定位为复杂智能体编码与企业工作，Sonnet 5 为速度与智能的组合。 | 4 | 6 |
 OpenAI | 官方定位：几乎任何形式的文本它都能生成 —— 代码、数学公式、结构化的 JSON 数据，或者接近人写的散文 | 1 | 2 |
 Google（Gemini） | 官方提示词指南把「用工具兜底」写成默认做法而不是可选项。 | 1 | 3 |
Anthropic（Claude）4 条限制 · 6 条自认⌄
硬限制
- Fable 5.1 / Opus 5 / Sonnet 5：上下文窗口 1M tokens，单次输出上限 128K tokens
- Haiku 4.5：上下文窗口 200K tokens，单次输出上限 64K tokens
- 价格（每百万 tokens，输入 / 输出）：Fable 5.1 ¥70 / ¥350，Opus 5 ¥35 / ¥175，Sonnet 5 ¥14 / ¥70，Haiku 4.5 ¥7 / ¥35（以美元换算）
- 批量接口上，Opus 5 与 Sonnet 5 等型号可用 output-300k-2026-03-24 头把输出提到 300k tokens
官方自己承认做不好的
- 默认输出偏长：官方写明，想要更简短的回答，要在提示词里指定期望的长度
- 语言能力：官方写明表现因语种而异，使用人数多的语种能力尤其强
- 客户把需求说得很绕时，它会理解错：官方举的例子是「我等我的包裹已经两个多星期了」—— 这句话其实是在问订单状态
- 客户表达不满时，官方写明它可能先去安抚情绪，而不是解决背后的问题
- 一次说好几个问题时，官方写明它可能分不清哪个才是主要诉求
- 法律摘要场景官方专门写明：摘要出错会给您的机构或客户带来法律责任，要加免责声明说明这是 AI 生成、需由法律专业人士复核
OpenAI1 条限制 · 2 条自认⌄
硬限制
- 官方未说明：该页没有给出文本生成的字数或 token 上限，具体上限要看各型号的模型页
官方自己承认做不好的
- 返回结构不保证：官方写明，不能默认文本输出一定在 output[0].content[0].text 这个位置
- 该页没有关于事实准确性、风格一致性、长文连贯性的局限声明 —— 按官方未说明处理
Google（Gemini）1 条限制 · 3 条自认⌄
硬限制
- 官方未说明：该页不给文本生成的长度上限
官方自己承认做不好的
- 官方写明：在本来可能答错的场景里，Gemini 可以靠调用工具来避免编造
- 官方写明：接入 Google 搜索能让模型连上实时网页内容，只要可能涉及冷门或近期的事实，就应该开启 —— 反过来说，不联网时这两类事实靠不住
- 官方写明：代码执行工具让模型能生成并运行 Python 代码，只要涉及任何算术、计数或计算，就应该开启 —— 反过来说，不开时算术和计数靠不住
02
官方点名的场景
只收官方文档里写死的场景，不收我们想出来的用法
Anthropic（Claude）合同审阅、诉讼准备、监管合规you can streamline the review of contracts, litigation prep, and regulatory work, saving time and ensuring accuracy in your legal processes.Anthropic（Claude）尽职调查、合同分析、诉讼证据开示This capability is particularly valuable for tasks like due diligence, contract analysis, or litigation discovery, where efficiency is crucial.Anthropic（Claude）合同管理、合规检查、建可检索的法律信息库It's especially useful for contract management, compliance checks, or creating searchable databases of legal information.Anthropic（Claude）法律研究：快速过大量判例、成文法与法律评注Claude can assist in legal research by quickly analyzing large volumes of case law, statutes, and legal commentary.Anthropic（Claude）客服机器人：答产品问题、不跑题、还能出报价Build a customer support chatbot with Claude that answers product questions, stays on topic, and generates quotes through tool use.Anthropic（Claude）客服工单分类：按意图、紧急程度、优先级、客户画像分how to harness Claude's advanced natural language understanding capabilities to classify customer support tickets at scale based on customer intent, urgency, prioritization, customer profile, and more.来源：厂商官方文档 · 2026-09-06
03
通用文本最强的是哪几个
1 个专项评测的成绩，不是综合能力分
最强不等于最值 —— 每行都带价格。教程多拿海外模型演示，您手上用国产的，看每张表下方国内厂商排第几，就知道这类活差多少。
按要求写给一堆格式与约束（字数、结构、必须出现或不能出现什么），看它照不照做。
| 模型 | 专项成绩 | 输入 / 输出（每百万 token） |
|---|---|---|
 Grok 4.3 (medium) | 83.3 | ¥8.75 / ¥17.5 |
| Grok 4.20 0309 | 82.9 | ¥14 / ¥42 |
 MiniMax-M3 | 82.9 | ¥2.10 / ¥8.40 |
 Nemotron 3 Ultra | 81.4 | ¥4.20 / ¥19.3 |
| Grok 4.3 (high) | 81.3 | ¥8.75 / ¥17.5 |
| Grok 4.20 0309 v2 | 81.2 | —— |
| Grok 4.3 (low) | 81.0 | ¥8.75 / ¥17.5 |
 Qwen3.7 Max | 80.5 | —— |
 MiMo-V2.5-Pro | 79.9 | ¥3.04 / ¥6.09 |
 Nova 2.0 Pro Preview (low) | 79.6 | —— |
04
官方说 vs 实际上
独立测试和官方数字并排放，出处见来源清单
「百万字上下文」「幻觉率降低」「专业级文案」，都有独立测试给的另一面。
| 官方说 | 独立测试 | 用户实际反馈 | 差在哪、为什么 |
|---|---|---|---|
| 支持 100 万 token 上下文，长文检索测试高分 | NoLiMa 等研究：输入到 3.2 万 token 时，11 个模型掉到短文本水平的一半以下；关键信息在中段时尤其容易漏 | 未见可核的用户反馈 | 官方跑的是单点找针的理想任务，真实材料信息分散、要推理 |
| 新模型幻觉率比上一代低若干个百分点 | Vectara 独立幻觉榜：排名靠前的模型做长文档摘要，仍会写出原文里没有的内容，只是频率不同 | 未见可核的用户反馈 | 厂商自测任务偏短偏理想，独立评测用更长、更贴近业务的文档 |
| 中文理解能力行业领先 | SuperCLUE 2025 年度报告：海外闭源模型仍在第一梯队，国内最好的模型分数低于榜首 | 未见可核的用户反馈 | 厂商挑对自己有利的对比对象，独立评测把海外旗舰一并打分 |
| AI 能直接写出可发布的专业文案 | 2024 年一项 1000 多人的实验：产品描述标明「人工智能」会降低读者信任和购买意愿，高风险品类更明显 | 未见可核的用户反馈 | 效率和读者信任是两回事，宣传只讲前者 |
| AI 生成内容自然，不用说明 | 网信办《人工智能生成合成内容标识办法》2025 年 9 月起强制标识，2026 年 4 月已点名剪映、猫箱、即梦 | 未见可核的用户反馈 | 监管要求标识，和「越像人写越好」的宣传方向相反 |
它确实能做到：起草、改写、总结这类有人最后把关的活，它确实省时间；越长的文档越要让它先摘原句，对外发布前人要过一遍。
05
这一页还缺什么
没采到的如实写，不放半截数字
国内厂商的文本能力页未采集。OpenAI 与 Google 都没有专门的写作能力文档页，上面引的分别是文本生成指南与提示词策略页；这两家也没有公布点名到行业的用例，所以「官方点名的场景」一栏只有 Anthropic 有。
06
来源清单
13 条，全部是厂商官方文档
逐条摊开，每条附原文链接⌄
厂商官方文档 · 13 条
- https://platform.claude.com/docs/en/models/overview↗
- https://developers.openai.com/api/docs/guides/text↗
- https://ai.google.dev/gemini-api/docs/prompting-strategies↗
- https://platform.claude.com/docs/en/about-claude/use-case-guides/legal-summarization↗
- https://platform.claude.com/docs/en/about-claude/use-case-guides/customer-support-chat↗
- https://platform.claude.com/docs/en/about-claude/use-case-guides/ticket-routing↗
- https://arxiv.org/abs/2502.05167↗
- https://arxiv.org/abs/2307.03172↗
- https://www.trychroma.com/research/context-rot↗
- https://github.com/vectara/hallucination-leaderboard↗
- https://www.cluebenchmarks.com/superclue.html↗
- https://www.tandfonline.com/doi/full/10.1080/19368623.2024.2368040↗
- https://www.cac.gov.cn/2026-04/28/c_1779119736411711.htm↗
您该怎么办
先看输出上限而不是上下文窗口 —— 长文卡的是输出那一头。要它写冷门或近期的事实，Google 官方的做法是打开搜索接地；要它算数，打开代码执行。两样都不开就别指望它自己是对的。