第三方检测工具可以看看，但别全信，模型指纹这种东西本来就容易误判。更靠谱的办法是自己留一套固定的测试题，最好是你日常真实任务里挑出来、有标准答案的那种，比如一段有 bug 的代码、一个结构化抽取任务，觉得不对劲时跑一遍，跟之前存下的结果对比，差别大不大一眼就能看出来。真正要求稳定的生产任务还是建议走 API 并锁定具体模型版本，订阅版的模型路由你控制不了。

不建议二选一，按任务分着用更划算。需要长上下文、大量读代码或文档、跑批量和重复性的小任务，用 flash 就够了，速度快额度也省。架构设计、疑难 bug 定位、最后的 review 再交给 pro 或 codex。我的经验是，gemini 能扛大部分日常活，但改动多个文件、需要稳定执行的 agent 任务，最好还是留一个你信得过的主力模型把关，每次改动都 review 一下 diff 再合并，不要

看用途。要出成品图、对构图和画面里的文字有要求的，现在 GPT 那套生图最稳，让它改也听得懂。要真实人像、皮肤质感，Midjourney 还是更好看一些。 不过四维图预测长相这个，说实话别抱太大期望。模型不知道基因，它只知道你喂进去的那张图，出来的更像是照着这张图画一个婴儿，当个乐子可以。

这两天确实明显。同一套 prompt 以前一次过，现在要来回改三四次，而且会顺手动没让它碰的文件。 我现在的做法是把任务切得更碎，一次只让它改一个文件，改完立刻跑测试，不让它连着跑多步。商业项目上暂时不敢让它自己把整个流程跑完。

Apply for a refund