ChatGPT、Claude、DeepSeek 差在哪？2026 美中 AI 模型商對決

我是傳恩，做 AI 教學和接案的。

上個月有個客戶問我：「到底要訂 ChatGPT 還是 Claude？」

我反問他：「你知道這兩個工具背後的公司，走的是完全不同的兩條路嗎？」

他愣住了。大多數人選 AI 工具，是看網紅推薦、看誰跑分高。但真相是：你選的不只是一個工具，是背後那家公司的路線、財務狀況，還有它明年會變成什麼樣子。工具會改版、會漲價、會轉向，決定這些的是公司，不是跑分。

這篇我把 2026 年 7 月當下，美中兩邊主要模型商的底細一次講清楚。看完你會知道：誰適合當主力、誰適合當備援、資料敏感的案子該怎麼選。

選工具之前，先問公司三個問題

我自己評估任何一家 AI 公司，只問三件事。這三題的答案，幾乎決定了它的所有策略：

舉個例子：同樣是免費給你用，Google 的錢來自廣告、晶片自己做、分發管道自己有，所以 Gemini 做到免費也不心疼；OpenAI 的算力要靠別人、錢要一直募，所以它必須衝訂閱、必須上市。同一個「免費」，背後的理由完全不同——這就是為什麼要看公司，不能只看工具。

帶著這三個問題，我們先看美系五強。你會發現：表面上大家都在做「大模型」，實際上五家選了五條完全不同的路——而且路線幾乎都是被「出身」決定的。

美系五強：同樣做 AI，五條完全不同的路

OpenAI：消費者帝國，也是史上最貴的燒錢機器

OpenAI 的出身很妙。2015 年它是個非營利實驗室，2019 年為了籌算力改組、把 Microsoft 拉進來，2025 年底乾脆整個變成營利公司。光是「為了算力一路改組織」這件事，就是 AI 軍備競賽的縮影。

2022 年 11 月的 ChatGPT 是整個產業的引爆點。原本只是研究預覽的聊天介面，意外變成史上成長最快的消費產品。從那之後 OpenAI 的路線越來越清楚：用最大規模的消費者產品，去攤平最貴的前沿研發。

2026 年 7 月的現況：ChatGPT 預設模型已經是 GPT-5.5 Instant，GPT-5.6 系列預計 7 月下旬釋出。

月活躍用戶超過 10 億（2026 年 5 月，媒體報導），年化營收約 250 億美元（Sacra 估計，媒體估計）。

3 月完成 1,220 億美元募資，估值約 8,520 億美元，6 月遞交 S-1、目標 9 月掛牌上市。

但另一面是：多家媒體估計它 2026 年虧損仍在 140 億到 270 億美元之間（媒體估計，區間極寬，待驗證）。消費者帝國的代價，是史上最快的燒錢速度。

它的護城河是品牌——「AI 就等於 ChatGPT」這個印象已經深植人心，短期內沒人打得掉——加上消費者規模、跟 Microsoft 的深度綁定，還有 Stargate 這種自建算力布局。

罩門則是營收以消費者訂閱為重心，毛利一直被算力成本壓著打，而且模型端的領先幅度在 2025 到 2026 年被明顯追近。想入門 ChatGPT 的話，我寫過完整的工具介紹頁。

Anthropic：因為安全理念分家，反而做出最高估值

2021 年，Dario 與 Daniela Amodei 帶著一批 OpenAI 的安全研究員出走，創立 Anthropic。「因為安全分家」這個起點，直接塑造了它的差異化：把「可靠、可控、適合企業」做成產品本身。

它的關鍵一步是押注 coding 和 agent。Claude 靠寫程式的能力在開發者圈建立口碑，Claude Code 變成現象級工具；2024 年 11 月開源的 MCP 協定——你可以把它想成「讓 AI 接上各種工具的通用插座」——現在是 agent 連接工具的產業標準。這是很聰明的打法：用開放標準擴大生態，用閉源模型收錢。

2026 年的成績單很誇張。6 月發布 Claude Fable 5 / Mythos 5——首個「Mythos 級」層級，位階在 Opus 4.8 之上；Fable 5 面向一般市場，Mythos 5 只開放給核准機構。

定價每百萬 token 輸入 10 美元、輸出 50 美元，大約是 Opus 4.8 的兩倍。敢這樣開價，就是認定企業客戶願意為能力領先買單。

第三方測試報導 Fable 5 在 SWE-Bench Pro 拿下約 80%，領先同期 GPT-5.5 與 Gemini 3.1 Pro（非官方基準，待驗證）。

4 月 Series H 募得 650 億美元，投後估值 9,650 億美元——超越 OpenAI，成為全球估值最高的 AI 公司。同一份公告提到年化營收 4 月已突破 470 億美元，以 API 和企業客戶為主，跟 OpenAI 的消費者重心剛好是鏡像。

罩門也很明顯：消費端聲量遠小於 ChatGPT。一般人聽過 ChatGPT 的比例，遠高於聽過 Claude。

Google：被自己的發明打醒，然後靠全端翻身

最戲劇性的是 Google。Transformer 論文（2017）就是在 Google 誕生的，結果 ChatGPT 出來時它被自己的發明打得措手不及，2023 年倉促推出 Bard 還跌了一跤。

後來它想通了：自己的優勢不在「單一模型最強」，而在全端。Google 是唯一一家同時擁有自研晶片（TPU）、自有雲、自有分發管道（搜尋、Android、Workspace）和前沿實驗室的公司。2026 年 Gemini 用戶突破 7.5 億（2026 年 3 月，媒體報導），第七代 TPU「Ironwood」單一 Pod 可擴展到 9,216 顆晶片——自研晶片讓它成為唯一不必向 NVIDIA 繳全額過路費的模型商。

它的路線一句話：便宜、夠好、無處不在。2025 年 Gemini 2.5、年底 Gemini 3 之後，這條路線已經完全成形。罩門有兩個：搜尋廣告這頭金牛跟 AI 問答會互相蠶食，這個結構性矛盾到現在還沒解；組織速度也還是比新創慢。

Meta：開源旗手，正在動搖

Meta 沒有雲可以賣、也不靠 API 賺錢，所以選了第三條路：開放 Llama 權重，把別人的商業模式打成免費，換生態主導權和人才。2023 到 2024 年這招確實有效，Llama 一度是全球開源生態的預設底座。

轉折在 2025 年：Llama 4 評價不如預期，Zuckerberg 隨即豪賭——以約 143 億美元投資 Scale AI、延攬 Alexandr Wang，成立 Meta Superintelligence Labs，用天價薪酬在全產業挖人。2026 年這個團隊交出第一個模型 Muse Spark，會整合進 WhatsApp、Instagram 等產品（媒體報導）。

Meta 的底氣在於：幾十億用戶的社交分發，加上廣告現金流撐得起千億級的資本支出——俄亥俄州的 Prometheus 資料中心正在趕工。

但最關鍵的問題還沒有答案：Muse 家族會不會延續 Llama 的開放權重路線，到 2026 年 7 月為止還不明朗（待驗證）。如果 Meta 轉向閉源，「美系開源旗手」的位子就實質讓給中國陣營了——這件事對整個生態的影響，比多數新聞標題都大。

xAI：一個字，快

xAI 2023 年才成立，路線就一個字：快。孟菲斯的 Colossus 超級電腦叢集用一百多天蓋起來，成了業界傳說；Grok 靠 X 平台的即時資料和「少過濾」定位做出差異化。

2026 年它的故事變得更大：2 月宣布整併進 SpaceX（xAI 作價約 2,500 億美元，媒體報導），6 月 SpaceX 上市、首日市值約 2.1 兆美元，接著宣布以 600 億美元全股票收購 Cursor 母公司 Anysphere。火箭＋衛星＋算力＋模型＋開發工具，一整個垂直帝國的想像。

模型端的節奏也很快：V9 基礎模型 5 月完成訓練、Grok 4.5 上線，並計畫下半年以月更節奏釋出 V9 系列變體（媒體報導）。Musk 更宣稱 Grok 5 將達 6 到 10 兆參數並觸及 AGI 門檻——注意，這是創辦人宣稱，不是可驗證的事實。Grok 的模型口碑目前仍在第二梯隊，而且一切高度綁定單一創辦人，執行風險極高。

五強一張表看完

公司	一句話路線	錢主要從哪來	最大罩門
OpenAI	消費者帝國	C 端訂閱＋API	燒錢速度
Anthropic	企業＋coding/agent	API＋企業客戶	消費端聲量小
Google	全端垂直整合	廣告＋雲	蠶食自家搜尋金牛
Meta	開源換生態（動搖中）	廣告	模型未進第一梯隊
xAI / SpaceX	速度＋垂直帝國	X 訂閱＋API＋資本市場	執行風險

還有一件事值得記下來：2026 年上半年，OpenAI、Anthropic、SpaceX 在一個半月內接連走向公開市場。燒錢競賽的裁判，從創投變成了股民。

中國系：被晶片管制逼出來的第二極

如果美系的故事是「資本與規模」，中國系的故事就是「約束下的效率」。

先進 GPU 出口管制，逼出了一套完全不同的玩法：拼不了堆卡規模，就拼架構效率；閉源賣不進國際市場，就開放權重搶生態。2026 年的結果很直接：全球開源模型的預設底座，多數已經是中國模型。

五家主要玩家，各自的性格差很多：

DeepSeek：效率路線的旗手。背後是量化基金幻方，2024 年先用 V2 掀起中國的 API 價格戰，2025 年 1 月的 R1 再用遠低於美系的訓練成本做出對標 OpenAI o1 的推理模型，直接引發美股 AI 股震盪，也就是所謂的「DeepSeek 時刻」。

2026 年 4 月發布 V4：V4 Pro 總參數約 1.6 兆、每次只活化約 49B，V4 Flash 約 284B／13B，都是 MIT 授權、100 萬 token 上下文（第三方整理，細節待驗證）。

有趣的反面訊號：外界期待很久的 R2 至今沒發，多家媒體報導是創辦人梁文鋒對品質不滿而壓住不發。不滿意就不出貨——這家賣的是路線正確性，不是出貨節奏。

阿里 Qwen：開源量產王。阿里的算盤很清楚：模型開源，價值沉澱在雲。從小到大什麼尺寸都出，在 Hugging Face 衍生模型數長期跟 Llama 並列前茅。2026 年 7 月推出 Qwen 3.8 tMax（約 2.4 兆參數，主打 coding 與 agent）。

月之暗面 Kimi：長上下文起家。第一波爆點是整本書、整份財報直接餵進去。2025 年起靠 K2 系列的開放權重旗艦打進國際開發者圈，2026 年先推 K2.5（約 1 兆參數 MoE、原生多模態、有 Agent Swarm 能力，媒體報導），7 月再發表 K3——約 2.8 兆參數，號稱史上最大的開源模型，權重預告 7 月 27 日釋出。「開源＝小模型」這個舊印象，2026 年正式作廢。

字節豆包：用流量把模型塞進日常。主戰場不是開源排行榜，而是億級用戶產品加上火山引擎的 API 價格戰。豆包是消費端品牌，研究側另有 Seed 模型族——五家裡面，它最像「用分發和價格讓模型滲進日常生活」的那一個。

智譜 GLM：學術血統＋agent 產品化。清華淵源，最早帶動中文本地部署風潮的開源模型之一，GLM 系列和 AutoGLM 這類 agent 產品持續迭代，在開發者圈常被當作「Claude 的平價替代」。注意各版本授權條款不同，商用前要逐一查驗。

（順帶一提 MiniMax：它的海螺影音生成在全球創作者圈爆紅——提醒我們中國系不只有聊天型模型這條路。）

為什麼中國系敢開源、敢殺價？不是慈善，是結構性選擇。

第一，利潤中心在別處：阿里賺雲、字節賺流量、DeepSeek 背後是量化基金——模型本身不必是利潤中心，它是獲客和制定標準的工具。

第二，算力被卡，效率就是生存技能：堆不了卡，就把 MoE、量化、低精度訓練做到極致，「用較少算力逼近旗艦」本身就是最強的技術行銷。

第三，國內同業殺到見骨，誰閉源誰就沒話語權——開源同時是人才招募廣告，也是先在海外開發者腦中卡位的手段。

還有一個常被搞混的點：「開放權重」不等於完整開源。多數釋出的是權重——可下載、可微調、可自己架——但訓練資料和完整訓練流程未必公開。不過對開發者來說已經夠用了，因為這正是美系閉源 API 給不了的槓桿：資料不出門。

開發者圈的真實口碑（社群風向整理，不是官方排名）

榜單分數是一回事，工程師每天用起來的體感是另一回事。這張表整理的是 2024 到 2026 年開發者社群裡最常聽到的說法：

供應商	常聽到的優點	常被抱怨的點
DeepSeek	推理、數學、寫程式的 CP 值高；技術報告好讀；MIT 授權加分	服務穩定性波動；旗艦本地部署硬體門檻高
Qwen	什麼尺寸都有；中文與多語強；生態文件豐富	開源線與 API 旗艦線分裂，要分清用的是哪條
Kimi	長文、agent 體感好；開權重旗艦討論熱	超大模型自架成本高；迭代快、教學文容易過期
豆包	中文產品體驗、價格、語音多模態	國際開源社群存在感較弱
GLM	編程與長程任務；可自託管	海外品牌認知仍在建立

整體來說，社群的共識（這是大家用出來的體感，不是定論）是：榜單分數上中國旗艦已經貼近、甚至局部超越美系；差距主要在產品一致性（長任務、工具鏈的穩定度）、跨產品整合深度，還有企業採購的合規信任。

比參數數字更值得學的，是中國系的追趕配方：用可驗證的獎勵做強化學習（數學檢查器、單元測試直接當評分標準）、開配方而不只開權重（技術報告寫得詳盡到可以複現）、把長上下文和工具呼叫（tool calling）當一等公民，還有全尺寸產品線策略——從單卡能跑的小模型到雲端旗艦都有，降低你遷移的成本。

這套打法，值得每個做產品的人抄。

四個技術透鏡：看懂每一家的下一步

新聞只會告訴你「誰又發了新模型」。想預判「誰的下一步是什麼」，你需要四個透鏡。每個透鏡都對應一個商業後果，我用白話講。

透鏡一：開源 vs 閉源

閉源的邏輯：能力領先 → 有定價權 → 用毛利養下一代模型。賣的是「最強體驗」。開源的邏輯：權重免費 → 佔住生態 → 從別的地方收錢（雲、流量、企業服務）。賣的是「可複製的槓桿」。

2026 年出現一個歷史性交叉：開源旗艦的參數規模（K3 約 2.8 兆、Qwen 3.8 tMax 約 2.4 兆）已經超過多數閉源模型，但「最強單一模型」的頭銜——像 Fable 5 的 coding 表現——仍在閉源手上。所以結論不是誰打死誰，而是：閉源賺最強體驗的溢價，開源吃長尾部署，兩者是共存結構。

透鏡二：推理時算力——讓模型「多想幾步」

2024 年以前的劇本是：更多算力＋更多資料＋更多參數＝更強模型。2024 年底劇本翻頁：與其把算力全部花在訓練，不如讓模型在回答時多想幾步。OpenAI o1 和 DeepSeek R1 開啟的推理模型路線，用回答當下的額外算力，換數學、程式、規劃能力的跳升。

商業後果有兩個。第一，推理算力需求爆炸——這就是 NVIDIA 資料中心營收和 Google「為推理時代設計的 Ironwood」背後的需求結構。第二，「便宜複製」變得可能：推理能力可以用可驗證的獎勵訓練出來（數學檢查器、單元測試當評分標準），不再完全依賴天量預訓練——這就是 DeepSeek 能以小博大的技術原因。

透鏡三：Agent 化——從「會回答」變「會做事」

2025 到 2026 年最大的產品轉向：模型從聊天視窗走進工作流，變成能自主多步執行的 agent。各家的路徑很不一樣：Anthropic 從 coding agent 切入、用 MCP 綁生態，agent 化最深也最早變現；OpenAI 做消費者 agent（讓 ChatGPT 幫你訂機票、做簡報）；Google 把 agent 埋進 Workspace 和 Android 的既有分發；中國系的 Kimi Agent Swarm、GLM AutoGLM 則把 agent 當追趕的主戰場。

商業後果：agent 把「每月訂閱」變成「按任務計價」的可能性，token 消耗量也跟著暴增——agent 化越成功，算力層越賺。

透鏡四：架構效率——MoE、多模態、長上下文

MoE（專家混合）是「參數面子、成本裡子」的關鍵技術：兆級總參數，但每次回答只活化一小部分（DeepSeek V4 Pro 總參數約 1.6 兆、活化約 49B）。這是中國系壓低成本曲線的主要武器。多模態決定模型能進哪些場景；100 萬 token 級的長上下文（整個程式庫、整份年報一次餵）則改變了 agent 和檢索架構的設計——Kimi 就是靠這條路起家的。

所以，你該怎麼選？我的務實建議

講了這麼多公司故事，落地到你身上之前，先分清三件事：網頁聊天、API、本地權重是三種不同的用法。

網頁聊天是你打開瀏覽器直接問；API 是你的系統在背後呼叫它的服務，資料會送到對方的機房；本地權重是把模型下載回來，跑在自己的機器上，資料完全不出門。

很多人把三件事混在一起談，才會在「能不能用中國模型」這題上吵不出結論——學習用什麼都行，商用要看的是後面兩種。

分清楚之後，我的建議就三條：

第一，主力工具選美系，看你的場景。日常問答和一般工作，ChatGPT 的產品完成度和生態還是最順；寫程式、處理企業文件、跑 agent 工作流，Claude 目前有實質領先；要查證即時資訊，搭配 Perplexity 這類搜尋型工具。已經被某家生態綁住的（例如全公司都用 Google Workspace），Gemini 的「無處不在」就是它的價值。

第二，把中國系當「第二供應商」和「本地部署底座」，而不是全面取代。這是整份分析裡我最想讓你帶走的一句。

批次任務、備援、成本敏感的大量 API 呼叫，中國系開源模型的 CP 值很難拒絕；但長任務穩定度、工具鏈成熟度、企業合規信任，中國系跟美系相比還是有差距。

接案的話可以設計成：主模型美系＋批次和備援任務用中國系或開源自架，成本差直接反映在你的報價競爭力上。

第三，資料敏感就本地部署，這條沒有妥協空間。敏感的客戶資料，優先選可以在可信區域部署的開放權重模型，不要預設丟進中國託管的 API。

另外要知道：中國託管的服務對敏感主題有內容過濾，回答風格也跟美系不同——自己教學展示可以，正式交付給客戶前要分開評估。

合約裡把資料存放地和供應商可替換性寫清楚——這一段話，幫我擋掉過不少麻煩。

最後提醒一件事：這篇講的是模型層的公司。模型商上面還有整個應用層的生意（真正適合個人和小團隊切入的機會其實在那裡），下面還有算力和晶片的軍備競賽（NVIDIA、台積電、電力）。這兩塊我分別寫成了另外兩篇。

系列文章與下一步

如果你看完還是不確定自己該用哪個工具，做一下我設計的 1 分鐘測驗，會直接告訴你答案。如果你是企業，正在評估 AI 導入、第二供應商策略或本地部署，找我聊聊——這種架構設計正是我平常在接的案子。

選工具就是選公司。看懂公司，你就不會被下一波新聞標題牽著走——這也是我做「馬上懂AI」想幫你省下的時間。