AI学AI工具推荐：我淘汰赛后的最终名单

起因很简单：收藏夹里关于ai学习ai推荐的帖子存了二十多条，AI工具装了十几个，结果呢？学AI这件事本身被"研究用哪个工具"给挤没了。有天晚上我意识到，自己已经连续三天在折腾各种App的设置，一页正经内容没看。

不夸张地说，这是新手最隐蔽的坑。

一气之下我把所有候选拉出来，办了场淘汰赛。规则自己定的：同一道题发给所有选手，看谁讲得明白、谁出的题靠谱、谁的免费额度扛造。全程记录在案，下面就是赛况。

淘汰赛怎么打的：ai学习ai推荐工具的评判标准

原子答案：三个硬指标——讲同一个概念谁先让我听懂、追问三轮谁不烦不糊弄、免费额度谁够学一个月。三个维度各占一票，两两对撞，输的当场卸载。

参赛选手十六个，粗分四类：通用对话类（豆包、Kimi、文心一言、通义、ChatGPT、Gemini）、出题练习类三个、笔记整理类四个、还有三个垂直类的所谓"AI学习平台"。

测试题目我也固定了三道：用自己的话解释"机器学习到底在学什么"；给一道我答错的题，看它怎么讲；让它针对我的薄弱点连出五道递进的题。这三道题分别考讲解力、纠错力和陪练力。

为什么这么设计？因为我学AI最大的痛点不是找不到资料，是资料看得懂却不会用，错在哪没人指出来。工具能不能当陪练，比它能不能当百科全书重要得多。这个认知我在 用AI工具学AI 那篇里踩过坑：工具挑多了反而学不会。

小组赛第一场：豆包对文心，讲解力对决

原子答案：豆包赢在"讲人话"，同一个概念它的例子更贴生活，追问到第三层还接得住。文心的回答更书面化，第一遍读着费劲，但知识密度其实不低。

这道题是解释机器学习。两个的回答我都截了图对比。豆包用了个教小孩认猫的例子——给它看一万张猫的照片，它自己总结规律，下次见到新的猫也能认出来。一句话我懂了。

文心的回答结构工整，先给定义再分三类展开，术语密度高。第一遍读，卡在"假设空间"这个词上。追问"假设空间是啥"，它解释了，但新解释里又冒出两个新术语。像套娃。挺磨人的。

不过公平起见要说明：文心在专业问题上深度更好，后面有道梯度下降的题它讲得比豆包细。所以这场判豆包胜，是按"新手第一遍能不能听懂"这个标准。你要已经过了入门期，结论可能反过来。

小组赛第二场：ChatGPT对Gemini，陪练力对决

原子答案：ChatGPT的出题梯度设计更用心，会从易到难铺垫；Gemini胜在响应快、多模态顺手，能把我手写的推导拍照识别出来批改。综合下来这轮Gemini小分胜出。

这轮的戏肉在"连出五道递进的题"。我故意第一题就答错，看它们怎么反应。ChatGPT发现我错之后没直接给答案，反问了一个引导性问题，这个处理很老师范。但连问它几轮"为什么"，回复开始变得冗长，车轱辘话多。

Gemini那边的意外惊喜是拍照批改。我把手写的反向传播推导拍给它，它圈出了我抄错的一个下标。就这一个纠错，值回整场比赛。具体体验我写过一篇 用谷歌AI学AI：Gemini当老师是什么体验，细节都在里面。

两个都有资格晋级。但免费额度上ChatGPT很快撞墙，一天几十条消息的限制对高频追问的人不够用。Gemini的额度当时宽裕些。这也是真实取舍，白嫖党都懂。

中间几轮我快速带过。笔记类全军覆没，理由很粗暴：AI整理的笔记我自己不写的部分根本记不住，全靠AI记等于没记。出题练习类活下来一个，它的题库质量一般，但有个"错题追杀"功能——你错过的知识点，它隔几天换着花样再考你，直到你连对三次。这个设计留住了它。

三个垂直学习平台全部出局。慢，贵，界面花哨，核心的问答能力还不如通用工具。挺讽刺的。

最可惜的是Kimi。长文档能力真强，喂一本三百页的教材进去能精准定位内容，半决赛输在出题太保守，翻来覆去考定义。但如果你学的是啃大部头资料的路线，它该进你的名单。要说明这是我个人体感，各家的模型迭代很快，你现在去测结果可能不同，模型能力评测可以参考 维基百科的大语言模型词条 里跟踪的主流进展。

最终名单：三个席位，各司其职

原子答案：主讲给豆包——日常概念理解、追问展开都靠它；陪练留给那个出题App，专治"以为会了"；查漏给一个长上下文工具，啃论文和官方文档时上。三个够了，多一个都是负担。

用法分工我定得很死：新概念先问主讲，听懂后立刻去陪练那边做题验证，做错了带着错题回主讲那边追问。周末啃长材料时才动用第三个。这个闭环跑了一个月，是我学AI以来完课率最高的一个月——四门收藏的课干完了三门。

名单得给个表：

落选名单里我个人最意难平的是Kimi，前面说了，长文档是真强。决定名单前我也参考过各家官方的能力说明，OpenAI 官网 openai.com 上的模型文档比传闻靠谱，建议选工具前都去源头看一眼。

淘汰赛打完，我悟了三件事

原子答案：第一，工具数量和学习效果负相关，一个环节留一个就行；第二，免费版足以支撑入门全流程，别急着付费；第三，工具的"回答风格"比"知识量"更影响学习体验。

第一件事前面反复说了。第二件事展开讲讲：十六个候选里付费的我一个没充，最终名单三个全是免费或免费够用的。入门阶段你根本用不到付费版的深度能力，这话我敢打包票。真到要付费的节点，说明你已经知道自己缺什么了，那时候再花这个钱不迟。工具价格怎么掰扯，AI学习工具价格一览 写得更细。

第三件事最反直觉。同样一个知识点，A工具讲得像论文，B工具讲得像朋友，你的理解速度能差一倍。所以别迷信"最强模型"，适合你脑子的才是好的。这就得自己动手测，别人的推荐——包括我这篇——都只能当起点。

话说回来，淘汰赛本身也是学习。为了评判工具讲得对不对，我被迫查了不少资料交叉验证，这个过程学到的东西不比正课少。

常见问题

为什么不直接推荐具体产品名，而是按席位分类？

因为AI工具迭代太快，我今天点的名下个月可能就翻篇。但"一个主讲加一个陪练加一个查漏"的结构是稳的，工具可以换，席位留着。照结构去配，比抄名单耐用。

零基础学AI，装你名单里这三个就够了吗？

够，而且我建议刻意只装这三个。新手最大的敌人是折腾工具的热情超过学习本身。三个以内，腾出的精力全砸在概念理解和做题验证上，进度反而快。

淘汰赛的标准里为什么不看参数和跑分？

跑分是厂商的事，听懂是自己的事。我唯一在乎的是"它能不能让我学会"，这个指标跑分榜单测不出来。真想看数据，各家官方文档比第三方榜单靠谱。

陪练出题的App会不会练了个寂寞，题目和真实考点脱节？

有这个风险，所以我的用法是题目只当"检测器"不当"教材"——它考不过说明我概念有洞，回头找主讲工具补。用AI学AI，出题和讲解分工给不同工具，互相补盲区。