订阅 Plus 后用 ChatGPT 分析法律文件，结果不如此前的 Claude，于是怀疑是不是错觉。讨论指向三种可能：模型偏科、对比档位不对等、近期高算力档质量起伏。文章给出可复现的对比流程、法律文档提示模板、模型分工建议与合规注意事项。
开通 Plus 之后用 ChatGPT 处理一份法律文件，得到的分析结果与之前用 Claude 的体验差距明显，于是一度怀疑是不是自己的错觉。这类困惑在长期使用大模型的人里很常见：换了一个工具，任务没变，输出质量却像换了一个档次。
讨论中大致出现了三种解释，它们并不互斥。第一种是模型「偏科」，长文写作、条款梳理这类偏文本理解的任务，Claude 系更讨喜；第二种是对比条件不对等，订阅档位、可用模型档位、推理开关都不一样；第三种是近期部分模型的高算力档质量起伏，有人把它和版本迭代联系起来，但没有官方确认。与其争论谁更聪明，不如把问题拆成可验证的小问题：同一份材料、同一套提示、各跑几次，按维度打分。
一、「感觉变笨」通常来自三类偏差
1. 任务类型与模型强项不匹配
不同模型在训练数据和后训练策略上的侧重不同，表现出来就是「手感」差异。下面这张表是社区里较常见的经验分布，不是硬结论：
| 任务类型 | 更常被推荐的选择 | 常见原因 |
|---|---|---|
| 合同、条款、法律文本的梳理与改写 | Claude 系 | 长文本结构感和书面语表达更稳定 |
| 代码修改、工具调用、多步骤自动执行 | GPT、Codex 系 | 工具链和指令遵循做得更完整 |
| 需要反复核对事实的问答 | 两边交叉验证 | 单模型都会出现漏读和臆造 |
所以「分析法律文件」这个任务本身就更偏向文本理解一侧，换模型后落差明显，并不奇怪。但同一份文件换一种提示写法，结论也可能反过来，这一点常被忽略。
2. 对比的档位根本不一样
订阅价格不同，能调用的模型档位往往也不同。有人提到高算力版本只在特定入口开放，普通订阅拿不到；也有人提到，即使同一个模型，标准档和高算力档的表现差距很大。用低档模型去对比对方的高档模型，得出的「笨」其实是档位差，不是模型差。
模型命名、开放范围、额度限制变化很快，具体能用到哪一档，请以官方文档和账号内实际可选项为准，不要依据旧截图判断。
3. 输入组织方式不同
法律文件通常长且条款密集。整篇直接丢进去，模型容易只抓开头和结尾，中间条款被跳过；而另一次使用时可能恰好分段提问，效果自然更好。上下文长度、输出上限、是否开启推理模式、是否允许联网检索，都会改变结果。
二、做一次可复现的对比
与其凭一次印象下结论，不如花半小时做个小实验：
- 固定样本：选同一份已脱敏的文件，问题也固定，例如「列出对甲方不利的条款及依据」。
- 固定提示：两个模型使用完全相同的提示词和输出格式要求。
- 多次重复：每个模型至少跑 3 次。生成有随机性，单次结果不足以说明问题。
- 盲评打分：把输出顺序打乱再评，避免先入为主。
- 记录版本与时间：写清模型名称、入口、参数和日期，方便后续复现。
打分可以按这几个维度，每项 1–5 分：
| 维度 | 看什么 |
|---|---|
| 准确性 | 条款引用、主体、金额、期限是否与原文一致 |
| 完整性 | 是否漏掉关键条款或例外情形 |
| 可追溯性 | 是否指出依据在原文哪一段 |
| 稳定性 | 多次运行结论是否一致 |
| 可用性 | 是否能直接改成备忘录或清单 |
如果多次运行后发现某个模型在「准确性」上系统性偏低，那是真差距；如果只是某一次特别差，大概率是波动或提示问题。
三、法律文档分析的提示模板
把要求写死，能明显减少漏读和臆造：
你是一名合同审阅助手。以下是一份合同的第 X 部分。
请严格按以下格式输出：
1. 用一句话概括本部分主题；
2. 逐条列出关键义务、权利、期限、违约责任，每条必须附原文引用（加引号）；
3. 单独列出对甲方不利或表述模糊的条款，并说明风险点；
4. 原文未明确写出的内容，标注「原文未提及」，禁止推测；
5. 最后给出 5 条以内的补充确认清单。
不确定的地方请直接说明不确定，不要补全。
配合几条操作习惯效果更好：
- 长文件按章节切分，每段附上前文的简短摘要，避免上下文断裂。
- 先让模型输出文件结构目录，人工确认没有漏章，再逐章分析。
- 要求引用原文而不是转述，方便快速核对。
- 关键结论让另一个模型独立跑一遍，只比对差异部分。
- 任何输出都只能作为初筛，最终仍需专业人士复核。
四、遇到质量波动怎么处理
确实有不少人反馈某段时间里高算力档的表现起伏，甚至同一天内前后不一致，也有人猜测与即将发布的新版本有关。这类说法目前没有官方说明，建议按「待验证」处理，同时做好几件事：
- 同一天用同一提示跑三次，判断是普遍下降还是偶发。
- 关注官方状态页和发布说明，别只依赖第三方评测或所谓「智商监测」站点。
- 准备一个备用模型和一个备用入口，任务卡住时能立刻切换。
- 重要结论不要单次采信，保留中间输出，方便回溯。
五、把任务分给合适的模型
与其找一个全能模型，不如按任务路由：
- 起草、润色、条款梳理：优先选文本表达更稳的一侧，输出后人工逐条核对。
- 批量脚本、格式转换、工具调用：选工具链更完整的一侧，配合结构化输出。
- 高风险判断：两个模型各跑一次，只关注结论不一致的地方。
成本也要算进去。长文档分析消耗的 token 不少，不同模型的单价差异会直接体现在账单上，社区里对谁更贵的说法也不统一，实际费用请以官方定价页为准，先小额试算再放量。
六、合规与数据安全
法律文件往往含个人信息和商业机密，几点必须注意：
- 上传前脱敏，去掉姓名、身份证号、银行账号、具体金额等可识别信息。
- 确认所用服务的数据使用条款，企业场景优先走有明确数据处理的 API 通道。
- 不要购买、共享或租借他人账号，也不要通过非正规手段获取更高档模型，账号被封带来的工作中断远大于省下的成本。
- 涉及跨境传输的，先确认所在组织和地区的合规要求。
七、长期批量任务的环境准备
如果要做的是几十份文件的批量处理，或者让 Agent 连续跑几小时的多轮分析，本地环境本身也会成为变量：机器休眠、网络抖动、长时间高负载降频，都可能让任务中断并丢失中间结果。这种场景下，可以把任务放到长期在线的远程机器上执行，例如整机放在机房、按月租用的远程 Mac，网络环境稳定，适合挂 Claude Code 一类需要长时间在线的工具；同时要确保待处理文件已完成脱敏，并符合数据存放地的合规要求。
小结
- 先分清是任务不匹配、档位不对等，还是真的质量波动，别用一次结果下结论。
- 用固定样本、固定提示、多次运行、盲评打分的方式做小实验。
- 法律文档分析要强制引用原文、标注不确定、分段处理、人工复核。
- 按任务类型分配模型，高风险结论做交叉验证。
- 关注官方发布说明，第三方评测只作参考；敏感文件先脱敏再上传。