测试背景

测试灵感源于看到这份菜单感觉吃不饱，于是问了哈基米，哈基米指出了很多细节，于是我决定多找几个模型对比，竟然差异挺大，也能窥见模型的一些文本和通用能力。

可以看出来各个模型对于提示词细节的关注，对于问题的理解，回答文本的表述风格和质量，看出来不同模型的差异。

简要说明

1. 截图是美国驻华大使馆官方公众号发的晚宴菜单，


2. 菜单的最后提到了白宫蜂蜜，所以模型应该可以明确知道这顿饭的可能的目的;


3. 我的提问是一个模糊的，这里的评价并没有明确指出是要评价菜单文案还是菜品搭配。

Prompt

你对图里的菜单作何评价

所有提示词都是以这张图片+这一句话发送的，测试基本使用了各家手机app，Arena网页，具体在下面详情有写明。

大家也可以测试下不同的渠道和模型。

一点有趣的 TL;DR

回复详情

Gemini - Gemini App

Kimi K3 - Kimi App

DeepSeek - DeepSeek App

Claude - Claude App

ChatGPT - ChatGPT App

Claude Opus 5 vs GPT 6 Sol - Arena.ai Text Battle

正好给我随机到了两个热门模型

个人主观评价

补充： Astra、Opus 5.5、Fable 5.1 - OpenRouter

均为 OpenRouter，使用 Cherry Studio 不添加多余提示词，xhigh 思考强度。从后台查看分别调用的这些渠道：

• Astra： OpenAI API


• Opus5.5: Claude Platform on AWS


• Fable 5.1: Anthropic API

注意:

• 由于完全不包含系统提示词，可能和 WebChat/App 的表现还不太一样。


• 由于 Cherry Studio 导出图片有 bug， Astra 和 Opus 5.5 复制文本使用 Typora 导出成图片，因此样式跟 Fable 不太一样。


• 由于Fable会去搜索并且去检索到了这个宴会细节，因此重试并且修改了提示词：不使用搜索，直接对图里的菜单作评价，放出来的是修改提示词后的版本。