OpenAI 和谷歌前后脚发布了新一代 AI 模型：GPT-5.6 与 Gemini 3.6 Flash。两家都在强调编程和开发者能力，但这两款模型同时也驱动着普通用户日常使用的 ChatGPT 和 Gemini。TechRadar 的 AI 高级编辑 Graham Barlow 没有跑编程基准测试，而是做了一个更贴近生活的实验：把自己一周的全部数字生活交给两个 AI，看谁能真正帮上忙。

测试方法：一句话考验真功夫

这次对比中，Gemini 3.6 Flash 对阵默认中等推理档位的 GPT-5.6 Sol——两者都是付费订阅用户日常使用的标准主力模型。测试者向两个 AI 上传了同样一批杂乱的个人数据：银行流水、日历（应用授权加另一账户的日历截图）、购物小票、Gmail 邮件、WhatsApp 聊天截图、厨房橱柜照片、一张电费单、差旅预订和手写笔记。

随后只给出一条完全相同的指令：”告诉我这周该做的所有事情。”这个看似简单的要求，实际逼着 AI 综合多个信息源、分清轻重缓急、发现截止日期、调和相互冲突的信息，最后给出可执行的行动清单——正是人们越来越期待 AI 助理解决的真实问题。

结果对比：一个念文件，一个给方案

两者的表现可谓天壤之别。Gemini 3.6 Flash 基本忽略了照片，只盯着日历截图看，第一轮回答大多在复述日历上已有的日程。在被明确追问”其他图片里能推断出什么”之后，它才补充了一些建议，并把信息分成工作、购物、健身、笔记、票据等类别，条理不错。但它没有发现日历里当晚有两个时间冲突的活动，也几乎没给出优先级排序和下一步行动建议。

ChatGPT 响应时间明显更长，答案却有用得多：它从 WhatsApp 截图中推断出周五太极课出勤率可能偏低，建议测试者考虑是否还有必要开课；注意到瑜伽课已被取消；发现了日历中两个冲突的活动并提醒必须二选一。它还汇总了所有小票金额、给出处理建议，并对手写笔记做了像样的辨认。最关键的是，它把所有信息整理成了未来一周逐日计划，还标出最紧急的三件事，让人一眼知道从哪下手。

差距在哪

测试者的结论很直白：Gemini 告诉用户文件里”有什么”，ChatGPT 则想清楚了用户”该做什么”。谷歌宣称 Gemini 3.6 Flash 在编程、知识工作和多模态方面均有提升，这或许属实，但在这场多模态实战里，它输得没有悬念。当考题从跑分换成理解真实生活时，ChatGPT 的推理明显更胜一筹。

来源：TechRadar