Skip to content

Gemini、Claude、ChatGPT、Grok 怎麼選：長影音、程式碼、X 即時搜尋與 App 平台

2026年10月25日1 分鐘
首頁›ai
TL;DR兩小時的課程影片約 72 萬 token，Gemini 的 API 收得下，Claude 與 ChatGPT 的 API 文件沒有列影片輸入；程式碼這條線 Claude 與 GPT 在 Vals 榜上只差 0.8 分，該比的是速度與成本；X 輿情與代填結帳找 Grok，現成 App 與語音找 ChatGPT。
#llm#gemini#claude#openai#grok#multimodal#coding-agent

查詞與收藏

正在載入查詞工具…

🌏 English version

Gemini、Claude、ChatGPT、Grok 是現在最常被放在一起比的四個 AI 助理。常見的講法是各家有一塊別人碰不到的地盤：Gemini 看長影片，Claude 寫程式，Grok 盯 X，ChatGPT 什麼都有。這些講法大多有官方文件撐腰，但「別人碰不到」說得太滿，有幾處要修正。

這篇按任務排：你手上是一部課程影片、一個 repo、一串 X 貼文，還是一張要結帳的購物車，各自先開哪一家。寫作與一般問答沒有公開基準可核對，這篇不比。下表是結論，後面每節附出處和一個今晚能做的測試。

你手上的任務先開哪一家依據先別假設的事
1–3 小時的影片或課程，要帶時間戳的筆記GeminiAPI 文件：音訊與畫面一起處理，可用 MM:SS 指定時間點Claude 與 ChatGPT 的 API 文件沒有列影片輸入
修 bug、重構整個 repoClaude 與 ChatGPT（Codex）各跑一次Vals AI 榜上 97.00% 對 96.20%分數差距小，耗時與成本差得多
查 X 上的輿情、某個帳號最近說了什麼Grokx_search 工具：關鍵字、語意、使用者搜尋只涵蓋 X
讓 AI 代填登入資料與信用卡去結帳Grok Bot10 月 23 日加入的 Vault剛上線，先用有額度上限的卡
串現成 App、做語音客服ChatGPTApps SDK 與 Realtime API對話內結帳已縮編，改由商家自己的流程或 App 處理

長影音：Gemini 把音訊與畫面一起讀

Gemini API 的影片文件寫得很具體：模型同時處理音訊與畫面，每秒影片在預設解析度下約 100 個 token。兩小時的課程約 72 萬 token。文件寫明，百萬 token 級 context 的模型，預設解析度下最長可處理 3 小時，改用高解析度會縮短。

公開的 YouTube 網址可以直接貼，不用先下載。要問某個時間點的內容，用 MM:SS 的格式寫進提示。文件建議把文字提示放在影片之後：

from google import genai

client = genai.Client()
interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input=[
        {"type": "video", "uri": "https://www.youtube.com/watch?v=<影片 ID>"},
        {
            "type": "text",
            "text": "整理成課程筆記。每個主題附 MM:SS 時間戳，並說明投影片上的圖表在講什麼。",
        },
    ],
)
print(interaction.output_text)

超過 5 到 10 分鐘的長影片，文件建議在影片那一項加上 "processing": "agentic"。這個模式讓模型先看逐字稿，只載入需要的畫面，token 最多省 88%，準確度也略高；短片反而可能更慢、更耗 token。只有部分新型號支援，名單見文件。這個模式處理時間較長，文件建議同時設 background=True。預設每秒取一幀，會漏掉快速動作，需要逐格檢查時可以用 fps 自訂取樣率。

Claude 與 ChatGPT 這邊，Claude 的 Vision 文件列出的格式是 JPEG、PNG、GIF、WebP，GIF 動畫只取第一幀；功能總覽裡的 Files API 也只寫支援 PDF、圖片與文字檔。OpenAI 的模型頁寫最新模型支援文字與圖片輸入、文字輸出。openai-node 上有人要求加入影片輸入，OpenAI 的貢獻者在 2026 年 8 月的回覆是：現行做法是把影片抽幀當圖片送，音訊另外處理。

所以同一部課程在這兩家都得自己先處理：每隔幾秒抽一張投影片截圖，加上逐字稿一起送。這裡說的是 API；各家 App 內的檔案上傳與語音功能不在比較範圍。

不過「長影音是 Gemini 專屬」只對一半。長影片基準 Video-MME 的做法是把影片抽幀再餵給模型，OpenAI 自己的發布文也列了影片成績：GPT-4.1 公布 Video-MME 長影片組的分數，GPT-5 的附錄則列 VideoMME 與 VideoMMMU，後者同樣以抽幀評測。Gemini 的差異在流程，兩條路徑對照如下圖。

同一部課程影片的處理流程對照
同一部課程影片的處理流程對照Gemini 把影片檔連音訊一次送進 API；Claude 與 ChatGPT 要先自己抽幀、轉逐字稿，再把圖片加文字送進模型。 Gemini Claude／ChatGPT 免前處理 影片檔 含音訊 Gemini API 整支影片檔 一次送進 課程筆記 帶時間戳 影片檔 含音訊 抽幀 每隔幾秒截圖 逐字稿 音訊轉文字 模型 讀圖片加文字 課程筆記 帶時間戳

簡化示意。綠框是你要自己先做的步驟。

各家榜單怎麼互相打臉，見多模態模型盤點。

**今晚能做的測試：**挑一部你真的需要看的 2 小時課程，用上面的程式碼跑一次，抽三個時間戳回原影片對，看筆記裡的時間點和投影片內容有沒有對上。

程式碼：Claude 與 ChatGPT 差的是耗時與成本

Vals AI 的 SWE-bench Verified 榜主體用同一套最簡 harness（mini-swe-agent，只給 bash 一個工具）測所有模型，另有少數列改用各家的 CLI。Vals 已經把這個榜封存，理由是分數飽和，新模型不再跑。下表取四家各自在榜上分數最高的型號。

模型SWE-bench Verified每題平均耗時每題成本
Claude Opus 597.00%約 9 分 37 秒1.29 美元
GPT-5.6 Sol96.20%約 3 分 2 秒1.15 美元
Grok 4.695.60%約 10 分 4 秒0.78 美元
Gemini 3.7 Flash80.80%約 5 分 50 秒1.44 美元

Claude 與 GPT 只差 0.8 分，耗時卻差了三倍，我會把這兩欄看得比分數重。Grok 排第四，程式碼這條線不是弱角；Gemini 在榜上是 Flash 系列與較早的 Pro 預覽版，最高只到八成。

榜單停在九月初，Claude、GPT、Gemini、Grok 之後的新型號都不在上面，例如 Gemini 4 Argon 與 Grok 4.7，所以這張榜判斷不了它們。

分數也跟 harness 綁在一起。同樣是 Claude Opus 4.8，換成 Claude Code 之後比 mini-swe-agent 低了近 3 分。榜單只能告訴你模型大概在哪一級，不能預測你換成 Claude Code 或 Codex 之後的結果。

**今晚能做的測試：**拿自己 repo 最近三個已修好的 issue，各自退回修好之前的 commit，把 issue 描述原封不動貼給 Claude Code 與 Codex，記三件事：測試過不過、改了幾個檔、花了多久。三題跑完，哪一個在你的程式碼庫上比較順就很清楚了。

X 即時搜尋與代辦：Grok

xAI 的 API 把 X 搜尋做成獨立工具 x_search：關鍵字搜尋、語意搜尋、使用者搜尋，還能抓整串討論。用 allowed_x_handles 可以只看指定帳號，用 from_date 與 to_date 限定日期，也可以打開貼文裡圖片與影片的理解。計費是每千篇貼文 5 美元，另加 token 費用，所以一次抓 200 篇的貼文費用約 1 美元。

**今晚能做的測試：**把想盯的題目寫成一句話，加上最近一週的日期區間跑一次，看引用的貼文是不是你要追的那批人。

代辦那一側是另一個產品。Grok Bot 可以在 Slack 與 Email 裡運作，有自己的電腦，也能排程執行任務（routines）。

更新日誌裡和代辦結帳有關的有三項：

  • Vault（10 月 23 日）：把登入資料、信用卡與聯絡資訊存進 Settings，登入或結帳時代填。
  • Shop Pay（10 月 22 日）：商店支援就走 Shop 結帳，不支援就用一次性的 Shop 卡。
  • 核准卡片：付款方式由你在卡片上選，不可逆或敏感的動作會被標示；你拒絕之後，Bot 會停下來，直到你再傳訊息。

Vault 需要 Grok Bot 0.75.2 以上。

**今晚能做的測試：**先存一張有額度上限的虛擬卡，叫 Bot 買一樣便宜的東西，全程看著核准卡片長什麼樣子，再決定放不放手。Vault 與 Shop Pay 是否對台灣帳號開放，要在自己的帳號確認。

這個 Vault 和 Grok Enterprise 的 Vault是兩件事。後者是企業版的加購項目，提供獨立的資料平面與客戶自管的加密金鑰（CMEK），和代填結帳無關。

iPhone 上，RoutineHub 上的 Grok 捷徑說明了兩條路：走免費 Grok App 的「Ask Grok」動作只能純文字，作者自己註明可靠度較低；填入 xAI API 金鑰才有對話保存與圖片、影片生成。要靠捷徑做自動化，我會走 API 金鑰那條。

平台與語音：ChatGPT

OpenAI 在 2026 年 2 月公布 ChatGPT 的週活躍使用者達 9 億。

這個規模是 Apps SDK 的賣點：2025 年 10 月的發布文就以「reach over 800 million ChatGPT users」招募開發者。

Apps SDK 建在 MCP 上，再往上加一層：開發者可以定義 App 在對話裡的互動介面。工具連接本身不需要 ChatGPT，MCP 是開放標準，同一個 MCP server 其他客戶端也能用。ChatGPT 多出來的是兩樣東西，一個是對話裡的互動介面，一個是它的使用者。

語音方面，Realtime API 在 2025 年 8 月正式上線。它用單一模型直接處理音訊，不再串語音轉文字和文字轉語音，並支援遠端 MCP server、圖片輸入與 SIP 電話。圖片輸入的做法是把一張圖放進對話，不是即時影片串流，由你的應用程式決定何時給模型看什麼。

購物的路線變過一次。Instant Checkout 在 2025 年 9 月上線，美國使用者可直接在對話裡向 Etsy 賣家買單品，背後是和 Stripe 共同制定的 Agentic Commerce Protocol。

CNBC 在 2026 年 3 月的報導指出，OpenAI 已把重心移到商品探索，結帳交給商家自己的流程。商家提供商品 feed，要更深的整合就做 ChatGPT 內的 App，Shopify 商家則用 in-app browser 完成購買。OpenAI 的說法是，最初版本的 Instant Checkout 沒有提供它想要的彈性。

和 Grok Bot 對照：ChatGPT 現在把結帳留給商家，Grok Bot 則由 Bot 代填登入與付款資料，商店支援時走 Shop 結帳。

**今晚能做的測試：**想知道值不值得做 ChatGPT App，先看你的服務有沒有現成的 MCP server。有的話，Apps SDK 只是在上面加一層介面；沒有，先做 MCP server，其他客戶端也用得上。

整體來說

四家各有一條講得清楚的主線：Gemini 的影片檔流程，Claude 與 GPT 在程式碼榜上的拉鋸，Grok 的 X 搜尋與代填結帳，ChatGPT 的 App 平台與語音。沒有一家通吃，比較實際的做法是按任務路由，就像多模態那篇的結論。

文中的程式碼分數取自九月初封存的榜單，其餘功能與版本是 2026-10-25 的狀態，Vault 和購物這類功能一個月內就可能再變。每次要把任務交給某一家之前，用上面的小測試跑一次，比相信任何一張榜單可靠。

參考資料

相關文章

商用產品格局：OpenAI、Perplexity、Gemini、Claude、Grok1 min如何免費使用 LLM：OpenCode 2 內建模型與 OpenRouter 入門教學1 min一句 'Write a script' 的差距：Skill Instructions 如何決定 LLM 成功或失敗1 min