同一问题问 4 个 AI，答案差在哪？实测 DeepSeek / Gemini / 元宝 / GLM

平时问 AI，基本上看完第一家就关了。这次用全提问，把 DeepSeek、Gemini、元宝、GLM 四列摊开，同一个问题一起问。

入职第一周，该搞清哪 5 件事？

问题原话：「入职新公司第一周，建议主动搞清楚的 5 件事是什么？」

四列都提到了领导要什么、KPI、协作关系——大方向差不多。差别在「往哪使劲」：

左边两列（元宝、DeepSeek）更爱聊潜规则：领导雷区、谁才是真正懂行的、前任为啥走、试用期怎么算过关。读起来像同事私下嘱咐。

GLM 和 Gemini 更正经：员工手册、职责边界、审批流程、部门上下游。像 onboarding 文档。

篇幅也差很多，有的列已经写到第 4、5 点，有的还在铺第一段。只问一家的话，很容易以为「全世界都这么建议」。

误服强酸/强碱，能催吐或喝牛奶吗？

问题原话：「误食强酸/强碱，能不能催吐或喝牛奶中和？」

这道题很多人容易想当然——吐了是不是能排出来？喝点牛奶是不是能「中和」一下？四列答案在这一点上倒是挺齐：别催吐，也别自己灌牛奶或大量喝水去中和。

理由各家讲得深浅不一。都会提到二次损伤（再烧一遍食道）、中和反应放热；有的还写了误吸、窒息、胃穿孔这些。DeepSeek 和 Gemini 列得比较狠，直接当「急救禁忌」来写；GLM 偏医学解释；元宝篇幅相对短，但结论一样。

差别不在「对不对」，而在你扫一眼能不能被唬住、记住别乱动。这种题最怕某个 AI 轻描淡写，你还真去灌牛奶了。

急救内容仅供参考，真遇到事打 120，以专业培训为准。

问完两题，我的感受

开放题（入职那种），四份答案结论像，语气不像——一个像老司机，一个像 HR，并排看才有意思。

急救题（误服酸碱这种），大方向往往一致，但「为啥不能那么干」讲得差很多——单列看可能只记得「不行」，多列对照才更容易把禁忌刻进脑子里。

我现在基本是：一次扔进去，先找四列都说的那句，再瞄只出现一次或者互相打架的地方。

怎么测的

全提问插件，全屏四列，问题直接粘贴。