Comparing GPT-6 Astra and DeepSeek on rigor and looseness
The author says Astra is rigorous enough to repeatedly correct non-compliant parts and suits research, data analysis and coding, while DeepSeek is overly proactive and better for creative writing, with Astra often used for final integration.
最近 GPT-6 Astra 和 DeepSeek 这两个模型我用得很多，它们表现出来的行为和适用场景差异非常大。 GPT-6 Astra 做事非常严谨，一定要把事情搞明白才动手。有不合规的地方，它会一而再再而三地纠正我，不纠正完誓不罢休。所以我觉得它特别适合做调研分析、数据分析、编程这类需要很严谨的场合。 DeepSeek 正好反过来。我让它完成一个任务，刚说完第一步，它就把整个任务都给我做完了，有点过度积极主动、爱表现，严谨程度跟 GPT 完全是两个极端。所以我比较喜欢用它做一些有创意性的工作，包括写作这类。 我的体感是 GPT 和 DeepSeek 是严谨和松散的两个极端，而 GLM 介于中间：没有 GPT 那么讲究逻辑性，但也没有 DeepSeek 那么有创意。 所以我现在做事，经常是让 GPT-6 Astra 和 DeepSeek 同时完成任务，再由 GPT-6 整合。接下来我打算试试让 GLM 也把一些任务做一遍，看看不同的模型组合会产生什么不一样的化学反应。 至少到现在，我让 DeepSeek 和 GLM 同时写文章、再由 DeepSeek 整合，出来的文章质量和语气自然的程度，比单纯用 DeepSeek 又上了一个台阶。