很多人第一次用 ChatGPT 模型,卡的不是不会提问,而是压根没确认自己手上是哪一个:网页版、订阅版、API 里同名不同档,行为都不一样。等问题出来了才发现,自己一直在跟一个降级的模型较劲。这篇不聊榜单和参数,只给几条能照着核对的动作,帮你把「我用的是谁、它能吃多长、它变差了我怎么查」这三件事定下来。
很多人第一次碰 ChatGPT 模型,卡住的地方不是不会写提示词,而是压根没弄清自己手上是哪一个。网页版、桌面端、订阅套餐、API,这四条通道里同名模型的行为可以差很远。等你觉得「它怎么变笨了」,回头一查,才发现一直在跟一个降了档的模型较劲。
这篇不聊榜单和参数,只给几条能照着核对的动作:你用的是谁、它能吃多长、它变差了你从哪查起。三件事定下来,后面大部分莫名其妙的坑都能自己排掉。
先确认你到底在跟哪个模型说话
同一个名字在网页端、订阅套餐、API 里往往是不同档位。网页端可能默认给你一个轻量版,API 侧则要你在请求参数里显式写模型名,不写就走默认那档。先把这个通道定下来,再谈表现好坏,不然讨论的全是空气。
做法不复杂:挑一段固定的小任务,比如改一段两百字左右的文案,在网页端和 API 各跑一遍,看输出风格、长度、啰嗦程度。差异明显,基本能断定不是同一档。只是随手问天气、查个名词,就不必折腾这套对比,直接问就行。
- 网页对话界面和账号设置里能看到当前会话挂的是哪一档,先截图存一下再对照
- API 侧检查请求体里的模型名字段,别用默认值跑完再来猜
- 拿同一段固定文案做对照,两次输出差得多就说明模型档位不同
- 订阅套餐和 API 是分开的两套账,别拿套餐里的表现去推 API 的表现
上下文长度和附件,是最容易算错的一格
上下文是输入加输出一起算的。你把一份长文档塞进去,留给回答的空间就被压缩了,表现就是答到一半截断,或者开始敷衍、车轱辘话。上传文件、贴长代码、开着长对话,都在持续吃这一格。同一段对话越往后越容易出错,第一反应应该怀疑上下文快满了,而不是模型突然不行。
- 先看长度把当前对话轮数和附件大小过一遍,估算一下输入占了多大比例,心里有个数
- 拆材料大文档切段分次问,或者先让它提炼要点,再基于要点追问,别一口气全塞
- 验证是否缓解拆完之后同样的问题再问一次,如果不再截断、回答变完整,基本就是长度问题
- 查具体上限每个模型能吃多长,到 /models 模型库和术语页核对当时的数字,别凭印象
单轮短问答、几个段落的改写,基本碰不到这条线,不用专门去管。真正需要上心的是长文档分析和长对话调试这两类活。
觉得它变笨了,按这个顺序查
「降智」是最容易被滥用的一个说法。实际用下来,绝大多数情况根本不是模型降级,而是通道、输入或者你自己的预期出了问题。按下面的顺序一层层排,比上来就重装客户端靠谱得多。
| 排查层 | 看什么 | 典型信号 |
|---|---|---|
| 通道 | 是否被路由到低档模型、订阅额度是否用完被切走 | 成片出现、不止一个问题是这表现 |
| 输入 | 上下文是否满了、系统提示是否被长对话带偏、附件是否解析失败 | 长对话后半段才开始出错,新开一段就正常 |
| 预期 | 换一个完全不同的问题再问一次 | 新问题回答正常,说明是旧上下文坏了 |
换问题这招特别好用。如果新问题答得干净利落,那问题就出在你之前那段的上下文里,不是模型本身。别一上来就卸载重装、换账号、换网络,这些动作在前两层问题面前基本无效。
额度和计费口径,先看明白再动手
网页订阅是按套餐额度走的,API 是按量计费,两套账。混着算,你会得出一些自己都解释不了的结论。API 侧输入输出 token 分开算,长材料反复贴进去的成本远高于直觉,尤其是调试阶段来回试错。
动手前先用站内的换算和成本工具把一轮任务的量估出来,再决定走订阅还是走 API。只是试用几天看效果,就先按最小额度跑通,别一上来就在价格表里比来比去。具体每一档多少钱,去 /price-watch 价格追踪页看当时的数字,这类东西变得快,写死的都是过期的。
- 订阅额度和 API 用量分两个地方看,别用一个的数字推另一个
- 长材料反复贴是高消耗动作,能缓存或提炼要点就先做这一步
- 调参阶段用小样本跑通流程,确认思路对了再放量
- 价格和换算比例到站内价格追踪页核对当时的数字
常见问题
网页版和 API 里的同名模型是一回事吗?
不是。同名往往只是对外叫法一致,实际挂的档位、上下文上限、限流策略都可能不同。要判断你手上是哪一个,最直接的办法是同一段固定任务两边各跑一次对比输出,再回站内模型库核对当时的规格说明。
对话越长越容易答错,是模型的问题吗?
多数时候是上下文被占满了,输入加输出共用一个额度,材料贴得多、聊得久,留给回答的空间就小。先把长材料拆段、或让它先提炼要点再追问,通常能立刻好转,不用换模型。
感觉模型变差了,先做什么?
先确认通道,再看输入。检查是不是额度用完被切到低档、上下文是不是快满、附件有没有解析失败。用同一个新问题另起一轮对话再问一遍,新问题正常就说明是旧对话的上下文坏了,不是模型本身出问题。