想用 AI 学东西，ChatGPT、豆包、Kimi 三个都装着——到底用哪个？花了 2 天，设了 4 个真实学习场景，让它们当面比一比。
场景 1：写论文框架
题目："短视频对大学生消费行为的影响"——列提纲+数据来源建议。
ChatGPT
5 章结构，文献综述 3 个方向（使用与满足理论、消费决策模型、媒介依赖），来源推荐知网和艾瑞。
豆包
同样 5 章，但文献综述分了时间线（经典理论 + 新媒体研究），还给了每章参考文献数量。
Kimi 胜
最完整：H1-H4 假设列表、问卷维度、统计方法建议，还贴了具体中文数据库链接。
结论：写论文，Kimi 赢。 中文文献覆盖深，建议可直接执行。ChatGPT 英文理论框架更扎实，但中文方面差一截。
场景 2：编程解题
题目："解释 Python 装饰器，用实际例子说明"。关键看概念理解+代码能力。
ChatGPT 胜
从闭包原理讲起，3 个场景（日志、鉴权、缓存），代码可直接运行，还提了 functools.wraps。
豆包
举例到位但没讲闭包原理，深度略浅。
Kimi
逻辑正确但解释简略，停留在"会用"层面。
结论：做题学编程，ChatGPT 强。 不只说"怎么做"，还解释"为什么"。追问质量其他两个追不上。豆包对标准答案题够用，但深度推理吃力。
场景 3：英语翻译 + 润色
一段学术中文翻译成英文，带润色选项。
ChatGPT 胜
给了两版：学术版（longitudinal study）和简化版（We tracked 300 students），还备注了场景选择。
豆包
一版标准翻译，准确但平铺直叙，无润色选项。
Kimi
翻译准确但"37% higher"表达略生硬。
结论：英语学习，ChatGPT 首选。 从语气、场景、读者三维度给方案，本身就是在教你怎么用英语。
场景 4：整理知识点
"整理凯恩斯流动性偏好理论，用表格或层次结构展示。"
ChatGPT
层次清晰（背景→假设→三动机→陷阱→批评），但纯文本无表格。
豆包 胜
直接用表格对比三动机：名称、定义、影响因素、例子。可直接打印当复习资料。
Kimi
正常文字输出，没表格。
结论：背知识点，豆包最顺手。 表格对比层层展开，"生成即用"，适合备忘录截图复习。
各工具优缺点
ChatGPT：推理深度最好，适合学透概念。但需要科学上网，中文语料偏弱。
豆包：结构化输出最强，手机端最流畅，零门槛。但深度推理不足。
Kimi：中文文献检索最强，资料具体可查。但推理能力最弱，无流畅手机 APP。
按场景选，不用纠结
一句话： 没有包打天下的工具。写论文找 Kimi，学深了找 ChatGPT，碎片学习用豆包。三个都装，各取所长。
💬 留言
有什么想法或疑问？欢迎留言，我会回复。