Meta AI被DeepSeek用5道題打穿，第4題差距大到離譜

去年12月，DeepSeek-V3用557萬美元的訓練成本在代碼任務上追平GPT-4o，硅谷一幫人還在算這筆賬合不合理。三個月后，它的R1推理模型直接把OpenAI o1級別的能力開源了。現在的問題是：當這個"價格屠夫"遇上Meta押注的Llama生態，普通人用起來到底差多少？

Tom's Guide的測試沒跑分，沒比參數，就扔了5個日常場景過去——省錢、追新聞、防emo、搞創意、快決策。結果一邊倒得讓人意外。

第一題：信用卡賬單怎么還最省利息

測試者丟了張真實賬單過去：3張卡，不同利率，手頭現金有限。Meta AI的回復像銀行客服培訓手冊——先還利率最高的，保持最低還款，考慮余額轉移。步驟列了7條，最后補了句"建議咨詢財務顧問"。

DeepSeek的處理方式完全不同。它先問了兩輪：你的最低還款額是多少？有沒有逾期風險？確認信息后，它算了一筆細賬——按測試者的具體數字，先還卡A能省多少利息，再還卡B的邊際收益，甚至提到某張卡的利率如果超過6%就可以考慮個人貸款置換。整個過程像有個會計在對面敲計算器。

Meta AI給了框架，DeepSeek給了方案。對真的在算錢的人來說，差別太大了。

第二題：解釋一條突發新聞

測試選的是當時正在發酵的某科技監管動態。Meta AI的回復中規中矩：事件背景、涉及公司、監管方表態、可能影響。信息沒錯，但讀完和沒讀差不多——你知道了"發生了什么"，不知道"這跟我有什么關系"。

DeepSeek的做法是分層拆解。第一層，這條政策如果通過，哪些業務線直接承壓；第二層，為什么偏偏是現在推這個法案；第三層，過去三年類似監管的節奏和結果。最后它補了一句：如果你持有相關公司股票，建議關注下周二的聽證會直播。

這不是在播報新聞，是在教你怎么讀新聞。

Meta AI的內容池依賴自家生態和合作信源，DeepSeek的檢索顯然更野也更深。對需要快速建立上下文的人來說，后者省下的時間不是幾分鐘，是幾個小時。

第三題：工作 overwhelm 了怎么辦

這道題很刁鉆。測試者描述的狀態是：同時推進4個項目，每天200+未讀消息，已經開始失眠。不是求時間管理技巧，是求怎么不崩潰。

Meta AI的回復是標準的心理健康話術：列優先級、設邊界、考慮冥想、必要時找專業人士。它還貼心地加了句"你已經很棒了"。

DeepSeek的回復開頭很硬："你描述的不是效率問題，是承諾管理失控。"然后它干了件事——讓測試者把4個項目按"不可推遲""可協商""可放棄"重新分類，并給出了一句具體的談判話術："這個交付日期是基于X資源假設的，現在Y變了，我們需要重新對齊預期。"

沒有安慰，但給了能抄的作業。對25-40歲、正在帶團隊或者扛指標的讀者來說，第二種回應可能更解渴。

第四題：幫我想個產品創意

測試者的需求是：基于現有技能（數據分析+健身經驗），設計一個能副業變現的產品。

Meta AI給了5個方向：健身數據咨詢、個性化訓練計劃、企業健康講座、健身類內容創作、數據驅動的健身App。每個方向配了2-3句描述，結尾是"建議先做市場調研"。

DeepSeek的回復直接到了讓人不適的程度。它先反問：你的數據分析能力到什么級別？能接多大的數據集？健身經驗是團課教練級別還是自有訓練級別？得到回復后，它推了一個具體方案——"健身房會員流失預警SaaS"，并拆解了：目標客戶是誰（連鎖健身房而非單體店）、核心功能是什么（結合會籍數據+到店頻率的流失評分）、定價參考（按月訂閱 vs 按挽回成功抽成）、甚至冷啟動路徑（先免費給一家店跑三個月出案例）。

差距在這里：Meta AI在 brainstorming，DeepSeek在寫商業計劃書。

測試者后來反饋，DeepSeek的方案他當晚就發給了兩個健身房老板試探，其中一個約了下周聊。

第五題：快決策——買哪款耳機

最后一題是經典的"幫我選一個"：預算300美元，主要用途通勤+健身，在意降噪和佩戴穩固性。

Meta AI給了3款推薦，每款配了優缺點和官網鏈接。信息準確，但和看任何一篇導購文章沒區別。

DeepSeek的回復先做了件事——它發現測試者的通勤場景包含地鐵和騎行兩種，而這兩類對"通透模式"的需求完全相反。然后它調整了推薦邏輯：如果地鐵占比超過70%，選A；如果騎行占比高，選B并額外配一個耳掛配件；如果兩者差不多，C的中檔通透模式可能更合適，但提醒"這款防水等級只有IPX4，高強度出汗可能有風險"。

它甚至補了一句：你的預算如果降到200美元，D款在降噪上只損失15%但省下的錢夠買兩年延保。

這個細節讓測試者愣了一下——他確實沒提延保的事，但DeepSeek主動把總擁有成本算進去了。

為什么差距這么大

五道題測完，Meta AI像是一個知識庫查詢接口，DeepSeek像是一個會追問、會算賬、會 push back 的顧問。背后的技術差異，原文沒展開，但使用體感已經足夠明顯。

Meta AI的優勢在響應速度和多模態（測試中沒涉及），DeepSeek的優勢在推理深度和任務拆解。一個適合"查個東西"，一個適合"搞定事情"。

測試者最后補了一句評價：用Meta AI時，他知道自己是在用AI；用DeepSeek時，他幾次忘了對面不是人。