
我用 Gemini 取代 ChatGPT 工作一個月的真實心得:7 個場景實測比較
📍 文章快速導覽▼
今一月初,Google 發布了 Gemini 3.1 Pro,Hacker News 上討論炸了,到處都在說「這次 Google 真的追上來了」。我當時的反應是:「又來了,每次有新模型出來都說要打敗 ChatGPT,結果用了兩天就回去了。」
但這次我決定認真測一次。不是那種「問它幾個腦筋急轉彎然後截圖發推」的測法,而是真的把它當主力工具用整整一個月,在我日常工作的每個場景都用 Gemini 跑一遍。
我是一個自由接案的工程師兼內容創作者,每天的工作離不開 AI 工具。寫程式要用、寫文案要用、整理資料要用、回 email 要用。過去兩我幾乎都黏在 ChatGPT Plus 上面,一個月 20 美金(大概 NT$640)付得心甘情願。所以這次的測試對我來說是有代價的——如果 Gemini 不夠好,我等於浪費了一個月的工作效率。
結果呢?說實話,比我預期的有趣很多。有些場景 Gemini 確實贏了,而且贏得很明顯;但也有些地方 ChatGPT 還是穩穩的強。這篇文章會把我這一個月的完整實測心得分享出來,不灌水、不業配,就是一個重度使用者的真實體驗。
📋 這篇你會學到
Gemini 是什麼?跟 ChatGPT 到底差在哪
先幫還不太熟悉的朋友快速科普一下。Google Gemini 就是 Google 的 AI 助手,前身叫 Bard(對,就是那個剛出來被嫌爆的 Bard)。2024 改名成 Gemini 之後,Google 砸了重本在上面,到 初的 Gemini 3.1 Pro,說實話已經跟當初的 Bard 完全是兩個東西了。
ChatGPT 大家比較熟,OpenAI 出的,從 2022 底紅到現在,目前最強的模型是 GPT-4o。
兩個的基本差異:
| 比較項目 | Google Gemini 3.1 Pro | ChatGPT (GPT-4o) |
|---|---|---|
| 免費版限制 | 每天有使用次數上限,但很夠用 | 有次數限制,超過要等或升級 |
| 付費版價格 | Gemini Advanced NT$650/月 | ChatGPT Plus NT$640/月 |
| 上下文長度 | 200 萬 tokens(超長) | 12.8 萬 tokens |
| 多模態 | 文字、圖片、影片、音訊 | 文字、圖片、音訊 |
| 生態系整合 | Gmail、Google Docs、Drive、Maps | 插件生態、GPTs |
| 中文能力 | 進步很多但偶有怪腔 | 整體比較自然 |
| 程式能力 | 很強,尤其 Python | 很強,各語言平均 |
![圖片](gemini-vs-chatgpt-02.webp 圖說:日常工作中,我幾乎每個任務都會開 AI 工具輔助
場景一:寫中文部落格文案——ChatGPT 小勝
這是我每天花最多時間的工作之一。我經營部落格,每週至少要產出 2-3 篇長文,所以 AI 寫文案的能力對我來說超級重要。
我的測試方法
同一個主題,同樣的 prompt,分別丟給 Gemini 和 ChatGPT,然後比較產出的品質。我測了大概 20 幾篇文章的初稿。
結果
ChatGPT 在中文文案上還是比較自然。 不是說 Gemini 寫得差,而是 Gemini 的中文有時候會出現一些微妙的「翻譯感」,像是用詞太書面、句式偏西式、或是語助詞放的位置不太對。舉個例子,我請兩個工具寫一段關於「早起習慣」的開場白:
ChatGPT 寫的:Gemini 寫的:我從大學開始就是標準的夜貓子,每天凌晨兩點才睡,隔天中午才爬起來。出社會之後被逼著早起,但那種鬧鐘響了按掉再睡的日子過了好幾。直到去我用了一個很笨但很有效的方法,終於把起床時間從 8:30 拉到 6:00。
作為一個長期的夜型人,我的生物時鐘一直設定在深夜運作模式。大學時期我習慣在凌晨兩點入睡,直到中午才醒來。進入職場後,儘管嘗試了各種方法來調整作息,但總是在鬧鐘響起時按下延後按鈕。去,我採用了一個出乎意料的簡單策略,成功地將起床時間提前到早上六點。
看出差別了嗎?Gemini 的版本文法完全正確,但讀起來就是少了那種「真人在講話」的感覺。「作為一個長期的夜型人」、「生物時鐘設定在深夜運作模式」、「出乎意料的簡單策略」——這些用語太刻意了,台灣人不會這樣講話。
不過要說的是,Gemini 在英文文案上表現非常好,跟 ChatGPT 不相上下。如果你主要寫英文內容,這個差距就不存在了。
我的評分
場景二:寫程式和 Debug——Gemini 意外地強
這個場景是我最驚喜的。我本來以為寫程式一定是 ChatGPT 的強項,結果 Gemini 3.1 Pro 在某些情境下表現得更好。
實測案例:幫我重構一個 Python 爬蟲腳本
我有一個寫了兩的 Python 爬蟲腳本,大概 800 行,各種 patch 疊上去已經很難維護了。我把整份 code 丟給兩個 AI,請它們重構。
Gemini 的優勢在這裡就很明顯了。 因為 200 萬 tokens 的上下文窗口,我可以把整個專案的所有檔案一次丟進去,Gemini 不會「忘記」前面的內容。ChatGPT 在處理到第 500 行左右的時候,就開始出現前後不一致的問題,像是前面定義的函式名稱,後面引用的時候寫錯。而且 Gemini 的重構建議更有結構性。它不只是改 code,還會解釋「為什麼這樣改比較好」,甚至會建議我用哪些 design pattern。ChatGPT 也會做這些事,但 Gemini 的解釋更有條理。