دوئل جذاب در کار‌های روزمره: رقابت ChatGPT-6 با Claude Haiku 5.5؛ کدام چت‌بات پیروز شد؟

این روز‌ها به نظر می‌رسد تقریباً هر هفته یک چت‌بات تازه متولد می‌شود یا دست‌کم قابلیت‌های جدید و هیجان‌انگیزی به مدل‌های قبلی اضافه می‌گردد.

با معرفی نسخه جدید کلود هایکو ۵.۵ (Claude Haiku 5.5) از سوی شرکت آنتروپیک—مدلی کوچک‌تر، ارزان‌تر و چابک‌تر که با تمرکز بر سرعت بالا طراحی شده—این سوال پیش آمد که این مدل سبک در برابر غول جدید اوپن‌ای‌آی یعنی ChatGPT-6 در انجام کار‌های روزمره چه عملکردی دارد. پیش‌تر رقابت مدل سنگین‌تر کلود یعنی Opus 5.5 با ChatGPT-6 محک خورده بود، اما بررسی عملکرد این نسخه اقتصادی و سبک نیز بسیار کنجکاوی‌برانگیز بود.

مدل جدید GPT-6 اکنون به نسل تازه ChatGPT قدرت می‌بخشد و تمرکز ویژه‌ای روی پاسخ‌های کاربردی‌تر و ابزار‌های تعاملی دارد. هر دو مدل ادعای ساده‌تر کردن کار‌های روزمره را دارند، اما برای درک تفاوت‌ها باید دید در مواجهه با چالش‌های واقعی زندگی چه می‌کنند.

در این بررسی، با پرامپت‌های کاملاً یکسان در پنج سناریوی ملموس عملکرد دو چت‌بات به چالش کشیده شد: برنامه‌ریزی شام مهمانی، نویسندگی خلاق، تحقیق برای خرید، مدیریت زمان‌بندی فشرده خانواده و در نهایت ساخت یک ماشین‌حساب بودجه خانگی. معیار سنجش نیز میزان وفاداری به دستورات و میزان باری بود که هر مدل از دوش کاربر برمی‌داشت. در ادامه نتایج این رویارویی جذاب را مرور می‌کنیم.

۱. آزمون استدلال و درک منطقی

پرامپت: من میزبان شام روز شکرگزاری برای ۱۰ نفر هستم؛ یکی از مهمان‌ها گیاه‌خوار مطلق (وگان) است، یکی به آجیل حساسیت دارد، دو کودک بدغذا داریم و من هم فقط یک فر در آشپزخانه دارم! یک منوی غذایی همراه با جدول زمان‌بندی پخت آماده کن که همه غذاها رأس ساعت ۵ عصر روی میز باشند و کل هزینه هم از ۱۷۵ دلار بیش‌تر نشود.

کلود (Claude): زمان پخت بوقلمون را بسیار دقیق محاسبه کرد و حتی زمان مناسبی برای استراحت گوشت قبل از سرو در ساعت ۵ عصر در نظر گرفت. کلود همچنین ترفندهای هوشمندانه‌ای برای استفاده بهینه از وسایل آشپزخانه، پیشنهاد غذاهای باب میل بچه‌ها و رعایت نکات مربوط به آلرژی ارائه داد.

چت‌جی‌پی‌تی (ChatGPT): رویکرد چت‌جی‌پی‌تی فوق‌العاده هوشمندانه و کارراه‌انداز بود؛ تقریباً تمام مخلفات و دورچین‌های غذا (پوره سیب‌زمینی، فیلینگ، لوبیا سبز، هویج و سس گریوی) را به‌طور پیش‌فرض با روغن زیتون و شیر گیاهی به‌صورت وگان طراحی کرد. این حرکت باعث شد نیازی به پختن دورچین‌های جداگانه برای مهمان گیاه‌خوار نباشد. علاوه بر این، ریزهزینه‌ها را کاملاً واقع‌بینانه برآورد کرد و یک برنامه پشتیبان هم در نظر گرفت.

برنده این بخش: ChatGPT. بزرگ‌ترین چالش آشپزی برای مهمان‌هایی با رژیم‌های غذایی خاص در آشپزخانه‌ای با یک فر، مدیریت هم‌زمان چندین ظرف غذا است. ایده چت‌جی‌پی‌تی برای وگان کردن تمام دورچین‌ها، پیچیدگی و زحمت پخت‌وپز را ۵۰ درصد کاهش داد. این پاسخ به‌شدت کاربردی بود و تصویرسازی‌های همراه آن هم حس بسیار خوبی منتقل می‌کرد.

۲. آزمون نویسندگی خلاق

پرامپت: ۲۵۰ کلمه ابتدایی رمانی را بنویس که در آن پسربچه‌ای اتفاقی به یک غار برمی‌خورد و در آن اژدهای مهربانی را پیدا می‌کند؛ اژدهایی که با او دوست می‌شود و در برابر قلدرها و بچه‌های زورگوی مدرسه از او محافظت می‌کند.

کلود (Claude): توصیف‌های فوق‌العاده‌ای از فضاسازی و اتمسفر غار ارائه داد و برای اژدها ویژگی‌های شخصیتی منحصر‌به‌فردی تعریف کرد.

چت‌جی‌پی‌تی (ChatGPT): از همان سطر نخست صاف رفت سراغ اصل ماجرا و هیجان؛ الیور (شخصیت اصلی داستان) درست از همان جمله اول در حال فرار از دست قلدرها بود! داستان کشش بالایی داشت و پر از جزئیات حسی جذاب و المان‌های فانتزی گیرا بود.

برنده این بخش: ChatGPT. به‌خاطر وفاداری دقیق‌تر به ساختار پرامپت و لحن بسیار گیرا و متناسب با رده سنی نوجوان، چت‌جی‌پی‌تی برنده این دور شد.

۳. آزمون تحقیق و راستی‌آزمایی

پرامپت: سه جفت کفش دویدن با امتیاز بالا و زیر ۱۵۰ دلار معرفی کن که برای دونده‌ای با سابقه چند دهه، گودی کف پای زیاد (High Arch) و مسافت هفتگی ۳۵ مایل (حدود ۵۶ کیلومتر) کاملاً مناسب باشند.

کلود (Claude): با تسلط و دقتی عالی توضیح داد که چرا دونده‌هایی با قوس پای زیاد و مسافت طولانی، به جای کفش‌های کنترل پایداری، به کفش‌های خنثی با ضربه‌گیری بالا (High-Cushion) نیاز دارند (به دلیل ناتوانی طبیعی این پاها در جذب ضربه). سپس سه مدل برتر را دقیقاً با همین مشخصات معرفی کرد.

چت‌جی‌پی‌تی (ChatGPT): برای پشتیبانی از گزینه‌های پیشنهادی خود داده‌های واقعی و مفیدی ارائه داد و در پایان چند سوال تکمیلی و اختصاصی مطرح کرد تا به پیدا کردن جفت ایده‌آل کمک کند.

برنده این بخش: Claude. کلود در این آزمون دانش تخصصی سلامت پا را به رخ کشید؛ مکانیک پاهای دارای گودی زیاد (خشکی مفاصل و ضعف در جذب ضربه) را دقیق تشخیص داد و کاربر را هوشمندانه به سمت مدل‌های نرم و راحت با بیش‌ترین جذب ضربه (مثل مدل‌های گلیسیرین، کلیفتون و راید) هدایت کرد. در مقابل، چت‌جی‌پی‌تی کفش بروکس گوست (Brooks Ghost) را پیشنهاد داد که کفی نسبتاً سفتی دارد و به هیچ عنوان برای پاهای گود در مسافت‌های سنگین هفتگی مناسب نیست.

۴. آزمون زمان‌بندی کار‌های شلوغ و پرهرج‌ومرج

پرامپت: من یک والد شاغل با سه فرزند هستم؛ سرویس مدرسه بچه‌ها را ساعت ۴:۲۵ بعدازظهر پیاده می‌کند، کلاس فوتبال ساعت ۶:۳۰ شروع می‌شود و من باید قبل از بسته شدن اداره پست در ساعت ۶ عصر سری به آنجا بزنم. علاوه بر این، شام باید رأس ۶:۳۰ آماده باشد و من یک ددلاین کاری مهم هم در ساعت ۴ دارم! یک برنامه بعدازظهر واقع‌بینانه برایم تنظیم کن، تداخل‌های غیرممکن را مشخص کن و بگو کدام کار‌ها را واگذار کنم یا به زمان دیگری موکول نمایم.

کلود (Claude): راهکارهای بسیار واقع‌بینانه‌ای برای عبور از این بعدازظهر نفس‌گیر ارائه داد و با درک درست از دغدغه‌های یک والد پرمشغله، تفویض یا جابه‌جایی کار‌ها را به بهترین شکل اولویت‌بندی کرد.

چت‌جی‌پی‌تی (ChatGPT): به تداخل میان آماده‌سازی شام و کلاس فوتبال پرداخت و با ایجاد زمان‌های شناور و حاشیه امن، مانع از به هم ریختن کل جدول در اثر یک تاخیر کوچک شد. همچنین جدولی از مشکلات احتمالی و روش مدیریت آن‌ها پیشنهاد کرد.

برنده این بخش: Claude. توصیه‌های کلود بسیار ملموس‌تر، شخصی‌تر و قابل‌اجراتر به نظر می‌رسید؛ میان‌برهای والدگری هوشمندانه‌ای که پیشنهاد داد، فشار روانی چنین بعدازظهر شلوغی را به میزان چشمگیری کم کرد.

۵. آزمون ساخت یک ابزار کاربردی

پرامپت: یک ماشین‌حساب کاربردی برای بودجه خانگی بساز. می‌خواهم درآمد ماهانه، قبوض ثابت، خریدهای سوپرمارکتی، اشتراک‌ها و هدف‌های پس‌اندازم را در آن وارد کنم. این ابزار باید نشان دهد چقدر پول باقی می‌ماند و با تغییر مبالغ، تأثیر آن را فوراً نشان دهد. کار با آن باید آن‌قدر ساده باشد که حتی کسی که یک خط کد هم ننوشته بتواند از آن استفاده کند.

کلود (Claude): یک ماشین‌حساب بودجه سرراست با ارقام نمونه ساخت که کاربر می‌توانست هزینه‌های خود را به آن اضافه کند.

چت‌جی‌پی‌تی (ChatGPT): یک مینی‌اپلیکیشن شسته‌رفته‌تر ساخت که ارقام آن کاملاً قابل ویرایش و شخصی‌سازی بود. همچنین امکان دانلود آن فراهم بود تا بتوان بدون نیاز به اینترنت و روی گوشی موبایل هم از آن استفاده کرد.

برنده این بخش: ChatGPT. ابزار ساخته‌شده توسط چت‌جی‌پی‌تی قابلیت شخصی‌سازی بسیار راحت‌تری داشت و قابلیت‌های کاربردی جذابی مثل گزینه بازنشانی (Reset) و دسترسی آسان روی موبایل را ارائه می‌داد که باعث می‌شد به ابزاری واقعاً ماندگار تبدیل شود.

برنده نهایی این دوئل: ChatGPT

در نهایت، چت‌جی‌پی‌تی با پیروزی در چالش‌های برنامه‌ریزی شام، نویسندگی خلاق و ساخت ماشین‌حساب بودجه، با نتیجه ۳ بر ۲ برنده این ماراتن شد. بزرگ‌ترین نقطه قوت پاسخ‌های ChatGPT این بود که گام بعدی را برای کاربر بسیار راحت‌تر می‌کرد؛ چه با یکی کردن دورچین‌های غذا برای تمام مهمان‌ها و چه با تحویل یک ابزار بودجه آماده که بلافاصله می‌شد ارقامش را دستکاری کرد.

در سمت دیگر، کلود هایکو ۵.۵ دو پیروزی ارزشمند خود را مدیون توصیه‌هایی بود که کاملاً شخصی‌سازی‌شده و عمیق به نظر می‌رسیدند. پاسخ کلود در انتخاب کفش دویدن شناخت دقیق‌تری از نیازهای کاربر داشت و برنامه بعدازظهر شلوغ آن هم راهکارهایی مستقیم و کارساز برای مدیریت مشغله‌های هم‌زمان ارائه داد.

تردیدی نیست که هایکو ۵.۵ برای پرسش‌ها و کار‌های روزمره مدلی بسیار چابک و قدرتمند است، اما اگر ترکیبی از این دست وظایف متنوع مد نظرتان باشد، نتایج این آزمون نشان می‌دهد که در حال حاضر ChatGPT انتخاب مطمئن‌تر و همه‌فن‌حریف‌تری خواهد بود.