同一个问题用中文、英文或繁体中文提问，AI 的回答可能在准确性、详细程度、token 消耗和拒答倾向上出现差异。文章解释这些差异的来源，比较母语、英文、双语交叉验证等做法的适用场景，并给出按任务选语言、控制成本、做小样本对比的实用清单。
同一个需求，用简体中文、英文或繁体中文分别问 ChatGPT 一类工具，得到的回答常常不完全一样：有时英文答案更细，有时中文表达更顺，有时换一种语言甚至会触发不同的拒答边界。于是问题变成：到底该用哪种语言提问？这不是一个固定的“正确答案”，而是取决于任务类型、模型规模、成本约束和输出受众。
差异从哪里来
语言不同导致回答不同，通常有几个来源：
- 训练语料分布：英文在编程、学术论文、技术文档中的高质量语料密度更高；中文语料总量也很大，但在细分技术领域、冷门框架和最新 API 上，英文内容往往更及时。小语种或低资源语言的差距会更明显。
- 分词与 token 成本：多数模型的 tokenizer 对英文更友好，同样的信息量用英文表达，token 数可能更少。中文并不必然“更贵”，因为不同模型的中文分词优化差异很大，不能一概而论。
- 对齐与安全策略：模型在不同语言上的拒答阈值、措辞风格可能不同，涉及历史、社会、政策、医疗法律等话题时更明显。
- 指令模板与产品策略：平台可能按语言使用不同的系统提示或安全模板。界面语言、账号地区、网络出口是否影响结果，没有统一结论，且会随产品更新变化，需要以官方说明和实测为准。
- 模型规模：小模型上英文通常更稳；大模型和推理模型的跨语言能力更强，差距会缩小。一些多语言评测（如 MMLU-ProX 这类基准）常被拿来比较不同语言的性能，但具体结论会随模型版本、测试集和提示方式变化，引用前应查看原始论文或官方说明。
常见选择与取舍
| 做法 | 适合场景 | 优点 | 注意 |
|---|---|---|---|
| 书面化简体中文 | 中文写作、本地业务、面向中文用户 | 表达自然，语境和用词更贴近 | 英文技术名词可能不统一，最好给术语表 |
| 英文 | 编程、API 文档、学术检索、复杂推理 | 语料多，示例多，通常更省 token | 中文文化语境可能不贴切 |
| 中英各问一遍 | 高价值决策、刁钻问题、方案对比 | 交叉验证，容易发现遗漏 | 时间翻倍，答案冲突时要人工判断 |
| 跟随材料语言 | 翻译、总结、论文或合同阅读 | 减少翻译失真 | 输出语言要单独指定 |
| 繁体中文 | 港台受众、繁体文案 | 用词更本地化 | 台湾与香港用词不同，不能只做简繁转换 |
有人坚持母语最省心，因为翻译软件可能漏掉细微含义；也有人偏好英文，认为技术问题英文回答更精准；还有人习惯两种语言都问一遍。三种做法都有道理：母语适合表达复杂业务背景，英文适合技术检索和推理，双语适合高价值问题。真正的取舍是时间、成本和准确率。
按场景怎么选
写代码与排查错误
代码标识符、报错信息、框架文档大多是英文，用英文提问通常更顺。可以让模型用英文分析，再用中文解释：
You are a senior backend engineer.
Context: ...
Error: ...
Goal: ...
Return:
1. most likely root cause
2. minimal fix with code
3. how to verify
业务背景、日志里的中文信息可以保留原文，不必为了“全英文”把关键约束翻译丢。若英文回答里出现不熟悉的术语，再要求“用中文解释这三个术语的区别”。
中文内容与本地化
写公众号、产品文案、中文邮件时，直接用中文更自然。提示词里要明确“书面化简体中文”“面向什么读者”“避免口语和网络用语”。做繁体内容时，最好指定地区，例如“繁体中文，台湾用语”或“繁体中文，香港用语”，因为两地用词差异不小。
复杂推理与高风险问题
复杂方案可以先用英文让模型列假设、步骤和反例，再要求用中文复核。涉及文化、历史、社会、政策等话题时，不同语言下的资料分布和安全策略可能不同。遇到拒答，不建议尝试用换语言、换网络出口等方式绕过；更稳妥的是把问题改成合规的学习、研究或事实澄清角度，要求多视角、标注不确定性和来源。
小模型与大模型
小模型上英文优势通常更明显；大模型和推理模型的跨语言差距较小。不要拿旧结论套新模型。比较稳妥的办法是拿 10～20 条自己的真实问题做小样本测试，记录模型名、日期、提问语言、输出语言、token 消耗和人工评分，再决定默认语言。
一套可复用的提问流程
- 先定输出语言：提问语言和输出语言可以不同，例如英文提问、中文回答。
- 输入材料是什么语言，优先保留原文关键段落，避免二次翻译失真。
- 关键术语给中英对照表，要求模型固定译法，减少前后不一致。
- 高价值问题中英各问一遍，重点比较事实、数字、前提假设和遗漏项。
- 控制上下文：英文提问通常更省 token，但不要为了省 token 牺牲约束条件。
- 记录对比结果，尤其是模型版本和日期，避免用过期经验做判断。
- 涉及政策、价格、版本号等时效信息时，要求模型给出来源，并以官方最新说明为准。
可以用一个简单的双语复核模板：
请先按以下结构回答：
- 问题复述：
- 关键假设：
- 结论：
- 依据/来源：
- 不确定性：
然后用英文检查一遍事实与遗漏，最后用中文输出。
注意事项
- 英文不一定总是更好。中文创作、中文语境理解和面向中文读者的表达，中文提问往往更自然。
- 中文 token 是否更贵，取决于具体模型和文本，不能只看语言。
- 界面语言、账号地区、网络出口是否影响回答，没有统一答案，平台策略也可能变化。
- 繁体中文不是简体转码的同义词，地区用词要单独校对。
- 不要用切换语言来规避平台安全策略；合规使用比“问出来”更重要。
- 模型更新很快，跨语言结论要定期复测。
小结
默认策略可以这样定：技术任务、代码和复杂推理优先用英文，或中英双语交叉验证；中文创作和本地业务用书面化简体中文；高价值问题两种语言都问一遍；输出语言单独指定。最终选哪种语言，以自己在真实任务上的小样本测试结果为准。