同一句提示词，让两个模型各自做测评视频，结果会一样吗？答案是不但不一样，而且差得离谱。
做 AI 内容这行，最常见的抱怨就是“提示词换个模型就失灵”。我一直想搞清楚，问题到底出在提示词上，还是出在模型上。这周我干脆做了个对照实验：把一模一样的提示词分别喂给 Claude Opus 5.5 和 Sonnet 5.5，让它们各自产出一期 90 秒智能手表测评视频的完整制作方案——包括口播脚本、分镜设计和画面说明。全程不修改提示词、不针对模型做适配，就想看看两个模型在“默认状态”下拿同一道题会怎么答。
实验结果很有意思。两版方案的结构都能落地，但气质完全不同：一个像纪录片导演交的稿，一个像短视频编导交的稿。这篇文章我把实验设计、提示词原文、两版输出对比、差异原因和排查经验完整写出来，希望对做提示词工程、做 AI 视频内容的朋友有参考价值。
1. 实验设计：为什么要把同一句提示词喂给两个模型
1.1 起因：提示词不是万能钥匙
在展开实验之前，有必要说清楚动机。我在日常项目里经常遇到一种情况：同一套提示词在 A 模型上效果很好，换到 B 模型上就变得很“平”，甚至完全跑偏。很多人第一反应是改提示词，加上一堆形容词去约束它，比如“要专业”“要生动”“要有网感”，结果改完发现 A 模型那边反而被绑住了手脚。
这说明一个问题：提示词并不是一套通用的“命令”，它会在不同模型里被不同地解读。每个模型有自己的训练数据分布、偏好倾向和表达习惯。同一句文字进去，经过内部推理路径的差异，出来就是两个意思相近、气质却完全不同的东西。这个现象在行内讨论过很多次，但很少有人用控制变量的方式把它直观地展示出来。
所以我想做的不是“优化提示词”，而是“观察模型”。用完全相同的输入，去暴露两个模型的性格差异。只有把差异看清楚，之后做提示词工程才有依据——否则你永远在盲调，既不知道改什么，也不知道为什么改。
1.2 测试方案：固定变量，只换模型
为了不让实验被无关变量污染，我把约束设得非常死：
- 模型：Claude Opus 5.5、Sonnet 5.5，均使用默认参数，不做任何风格或温度调节
- 提示词：完全相同的文本，一字不改地分别发给两个模型
- 任务：产出一期 90 秒短视频测评的完整制作方案，包含口播脚本、分镜设计和画面说明
- 主题：一款新发布的智能手表
- 产出格式：统一要求“可执行、可直接落地拍摄”
选智能手表这个主题，是因为它同时涉及功能面（健康监测、续航、系统）、体验面（佩戴、外观）和购买决策面（价格、竞品）。一个提示词如果只测“写文案”太窄，测这种综合任务才能同时看出模型的分析深度和表达风格。
执行时我特别注意不做额外引导。很多人在模型跑偏后会追加一句“再活泼一点”或“再正式一点”，这样会破坏对照条件。这次我没有做任何第二次输入，让模型一次性交出完整结果，然后再逐项拆解。
2. 模型定位解析：Opus 5.5 与 Sonnet 5.5 的能力分野
2.1 两款模型的定位差异
在拆解输出之前，先说说我对这两款模型定位的理解。Claude 系列在命名上一直有明确的层级感：Opus 定位是复杂推理和深度任务，强调的是长程一致性、逻辑严谨和全局把握；Sonnet 定位是均衡高效的日常任务处理，强调的是响应速度、执行力和对创作类任务的适配性。这个定位差异不是营销话术，它直接体现在模型的行为模式里。
Opus 的推理链路更长。拿到一个任务时，它倾向于先建立整体框架，再填充细节，而且在输出前会“权衡”各种可能性：这个测评应该怎么开场？观众的预期是什么？信息密度如何分配？所以它的产出往往带有一种“完整性焦虑”——宁可多给一些分析，也不愿遗漏某个角度。
Sonnet 不一样。它的响应更“在线”，更像一个立刻进入状态的内容创作者，拿到任务就先想怎么抓住注意力。它对视频节奏、平台氛围、用户兴趣点的感知更敏锐，不会花太多篇幅去构建宏大框架，而是快速落地到具体画面和文案。
这种差异平时被淹没在单模型使用场景里，但一旦放到同一句提示词的对照实验下，就被放大了。你用 Opus 会得到一个稳重的策划案，用 Sonnet 会得到一个有网感的分镜脚本，两者都能用，但你要知道自己在用哪个。
2.2 同一提示词在不同模型中的“理解偏移”
这里有一个关键概念：模型对同一段文字的理解存在“先验偏移”。所谓先验，就是模型在训练阶段接触到的数据模式。Opus 的训练数据更强调深度文本、学术资料、长文逻辑；Sonnet 的训练数据里，社交媒体内容、短视频文案、UGC 风格的占比更高。于是同一句“做一期测评视频”，Opus 更可能把它理解成“做一个有信息增量的测评内容”，而 Sonnet 更可能理解成“做一个能传播的测评内容”。
这个差异不是谁对谁错的问题，而是“默认假设”不同。就像同一个菜谱交给两个不同菜系的厨师，一个默认做家常味，一个默认做宴会摆盘。你如果不去显式说明你的口味，你得到的就是厨师的默认习惯。
搞清楚这一点，对提示词工程是至关重要的。很多人抱怨“模型不听话”，其实不是模型听不懂人话，而是它听懂了，但按自己的默认习惯执行了。你要做的不是加更多形容词，而是显式重置它的“默认假设”——这就是我们常说的提示词设计里的“意图锚定”。
3. 实操复现：同一句提示词的完整执行记录
3.1 提示词原文与设计思路
这次实验使用的提示词如下：
请为一款新发布的智能手表创作一期测评视频的完整制作方案，包含口播脚本、分镜设计和画面说明。视频时长 90 秒，目标平台为短视频平台，受众是有选购需求的普通消费者。内容需覆盖以下板块：开箱第一印象、外观与佩戴体验、健康监测功能实测、续航与充电、优缺点总结与购买建议。整体风格要求：信息准确、表达自然、有节奏感，避免夸张营销腔。请输出完整可执行的方案，并说明每个板块的画面配比。
这段提示词的设计有几个刻意的取舍：
第一，我用了“创作”而不是“生成”，这是为了暗示模型需要主动构思，而不是机械罗列。第二，我明确给出了受众定位，把“普通消费者”写进去，是为了让模型在表达时控制专业术语密度。第三，“避免夸张营销腔”是一道风格护栏，我希望两个模型都不要太浮夸。但事实证明，这道护栏对 Opus 是有效的，对 Sonnet 却只拦住了一半——后面细说。
我还要求“说明每个板块的画面配比”，这是为了逼模型输出结构化内容，而不是只给一堆抽象形容词。给模型一个必须完成的输出维度，它就不会偷懒。
3.2 Opus 5.5 的执行记录
Opus 的回复开头就让我心里一紧。它给视频起了一个标题：“戴上它的第七天，我重新理解了‘监测’这个词”。这个开场相当有意思。它没有从开箱说起，而是用一个“第七天”的时间锚点，把测评从单纯的参数罗列拉升到一个使用周期的视角。
它的分镜设计是这样的：开场是一个清晨的室外跑步场景，画面从脚部特写缓缓上摇到手腕，运动数据浮现在屏幕上，口播第一句是“一周前，我把它戴在了手上”。整个 90 秒走的是“线性叙事”路线——从开箱、佩戴，到真实使用场景，再到续航低谷，最后在第七天的晨跑中收束。
口播文案的用词非常克制。讲到健康监测时，它写的是“心率数据的连续性，比单次读数更有意义”；讲到续航时，它写的是“它没有让你忘记充电，但充电这件事不再侵占你的注意力”。这种句子在短视频语境里不算快，但信息密度很高，需要观众稍微品一下。
画面配比上，Opus 给了一个很均匀的分配：开箱 15 秒，外观 20 秒，健康功能 25 秒，续航 15 秒，总结建议 15 秒。所有板块占比相对均衡，没有特别突出的“重头戏”。这是典型的“全维度测评”思维——每个部分都重要，不刻意制造爆点。
3.3 Sonnet 5.5 的执行记录
Sonnet 交出的方案则是另一个物种。标题是“这块表最离谱的功能，居然是心率”，开场画面直接用一个急推镜头怼在手表屏幕上，伴随一声提示音，口播第一句是“如果你以为智能手表只是看时间的，那你会被它吓一跳”。
它的整个结构是“问题-反转-验证”三段式。前 20 秒抛出一个反差钩子，中间 50 秒分三个小节奏点拆解功能，最后 20 秒给出购买建议。它的口播节奏明显更快，短句非常多，像“实测三天”“续航是真的稳”“这个功能我劝你慎用”之类的表述直接在脚本里铺开。
画面配比上，Sonnet 把健康监测提到了 35 秒，占比最高，而且加了大量细节镜头——心率曲线跳动、睡眠数据对比、久坐提醒弹窗。它明显知道这一代智能手表的核心卖点在哪，所以愿意把预算全部压在最有传播力的功能点上。
优缺点总结部分，Sonnet 的写法更“直接”：优点写“监测准、续航稳、佩戴轻”，缺点写“表盘质感一般、充电线太短”，每条都跟一句人话解释。购买建议是“适合健身人群，不适合追求奢华质感的人”，干净利落，不绕弯子。
4. 结果拆解：两份“测评视频”的逐项风格对比
4.1 开场方式：氛围叙事对反差钩子
两版方案最直观的差异在开场。Opus 选择用场景氛围建立代入感，观众看到的是一个连续的、生活化的画面，节奏是慢热的；Sonnet 选择在开场第一秒就制造信息差和悬念，用反常识的表述抓住眼球，节奏是瞬间拉满的。
这两种开场都没有问题，背后是不同的内容策略。Opus 的策略是“先建立信任，再输出观点”，它默认观众愿意花 90 秒看完一个有起承转合的测评；Sonnet 的策略是“先抓注意力，再补信息”，它默认观众可能在 3 秒内划走，所以必须用钩子强制留住。
如果你做的是品牌宣传片、产品纪录片，Opus 的开场方式更合适；如果你做的是信息流投放、短视频种草，Sonnet 的方式才是主力打法。这个判断会直接影响你最终选择哪个模型来承担什么任务。
4.2 叙事结构与信息密度
Opus 的结构是线性的、时间驱动的，信息呈“均匀铺开”的状态。它的语言偏书面化，句子之间逻辑关联强，用连接词把观点串起来，像一篇可以被朗读的文章。信息密度高，但需要观众持续专注。
Sonnet 的结构是模块化的、注意力驱动的，信息呈“峰值分布”状态。它把最关键的信息放在每段的开头，用短句营造速度感，板块和板块之间靠节奏切换而不是逻辑衔接。信息密度同样高，但获取成本低。
用一个不严谨但直观的类比：Opus 像是写一篇深度报道，Sonnet 像是写一条微博热帖。深度报道的信息是“织”在一起的，少看一段就断了；微博热帖的信息是“堆”在一起的，拆开看每段都成立。
4.3 语言风格与画面语言
语言风格上，Opus 用词更谨慎，带有明显的中性客观色彩，几乎不给产品下情绪化判断；Sonnet 用词更果断，敢于用“离谱”“稳”“劝你慎用”这类有明显态度倾向的词。
画面语言上的差异更是肉眼可见。Opus 的分镜偏好中远景和慢速运镜，主张留白，画面里的人物和产品保持一定距离；Sonnet 的分镜偏好特写和快速切换，频繁使用弹窗、文本叠加、数字动画来增强信息表现力。这两种画面语言对应的是完全不同的剪辑逻辑——前者靠画面本身叙事，后者靠信息组件叙事。
4.4 优缺点呈现与购买建议的方式
面对同样的“优缺点总结”要求，Opus 采用的是对冲式写法，把优点和缺点放在同一个维度里比较，比如“它的心率监测很准确，但需要佩戴偏紧才能保证数据稳定”。这是一种辩证思维，默认观众能接受复杂性。
Sonnet 采用的是清单式写法，优点列一行，缺点列一行，每条都有明确主语和结论，比如“健身人群可以闭眼入，办公人群建议再等等”。这是一种决策思维，默认观众要的是能直接操作的建议。
有趣的是，两份方案对“购买建议”的态度也不同。Opus 给的建议是开放的：“如果你注重长期数据积累，这款值得考虑；如果你只是尝鲜，可以再观望。”Sonnet 给的建议是闭合的：“预算 2000 以内的健身党，直接买。”这种差异再一次印证了两个模型在“决策辅助”这个环节上的不同倾向。
5. 常见问题与排查技巧实录
5.1 我在实验过程中踩过的几个典型问题
这次实验还算顺利，但过程中也出现过几次值得记录的现象。
首先是 Opus 的“过度完整化”。它在输出方案时，给每个板块都附上了“注意事项”“备选方案”“执行风险”，这让脚本的篇幅几乎翻倍。如果你直接拿去拍摄，会发现信息太密，根本念不完 90 秒。这是一个典型的模型倾向问题：Opus 默认“完整”大于“精简”，你需要用提示词显式规定字数上限，比如“总口播字数不超过 240 字”。
其次是 Sonnet 在“避免夸张营销腔”这条约束上的松动。它虽然答应了，但实际文案里依然出现了“最离谱”“吓一跳”这类偏夸张的词。我的判断是，Sonnet 对“传播效果”的偏好权重高于对“克制表达”的尊重，两条指令冲突时，它会优先保传播。解决办法不是删掉风格护栏，而是增加一条负面清单，比如“全文禁止使用‘最’‘绝’‘离谱’等程度词”。
第三个问题是两版方案都出现了“超时风险”。Opus 因为信息密度太大，Sonnet 因为节奏点太多，我都实际模拟了配音时长，发现都超过了 90 秒。这说明单靠模型自带的节奏感并不可靠，必须在提示词里给出硬性时长校验要求，比如让模型标注每个板块的预计秒数，并强制加起来等于 90。
5.2 排查思路：提示词工程的底层逻辑
踩过这些坑之后，我对提示词工程的底层逻辑有了更清晰的认知。如果把提示词工程拆开看，其实就三层：意图表达、约束兜底、格式锚定。
意图表达是告诉模型你要什么，对应“做一个测评视频”这种核心描述。约束兜底是告诉模型你不要什么，对应“避免夸张营销腔”。格式锚定是告诉模型必须长成什么样，对应“包含口播脚本、分镜设计、画面说明，并标注画面配比”。这三个层次单独拿出来都不难，难的是平衡。
很多人的提示词只有第一层，所以输出全凭模型心情；有的人只做第二层，结果模型被一堆“不要”绑住，什么都写不出来；有的人过度强调第三层，结构是有了，内容却干瘪得像填表。我自己现在写提示词的顺序是：先写清楚任务和受众，再写三条以内最重要的禁忌，最后用输出格式把结果框定。有了这个顺序，模型的理解偏差就能控制在一个可接受的范围内。
5.3 双模型工作流里的避坑建议
做完这次实验，我在自己的项目流程里做了一些调整。如果你是同时使用多个模型做内容，下面的几点建议可以直接抄：
第一，把提示词拆成“任务描述”和“风格描述”两部分。任务描述可以跨模型通用，风格描述要针对每个模型单独写。比如 Opus 这边可以写“保持克制、注重逻辑关联”，Sonnet 那边就要写“每 15 秒一个信息点、多用短句”。这样既保留了模型的长处，又不会让输出风格失控。
第二，把温度参数当成风格旋钮来用，而不是只调提示词。如果你觉得 Opus 太收敛，可以适当调高温度让表达更自由；如果你觉得 Sonnet 太跳脱，可以调低温度让它稳定一些。提示词和参数要配合使用，单靠一边往往会陷入“提示词越写越长，输出越来越僵”的怪圈。
第三，建立“提示词版本”意识。同一套提示词在不同模型上跑出来的结果不一样，那就分别存档，记录哪个版本对应哪个模型、产出什么风格、出现了什么问题。不要指望一条提示词通吃所有模型，这既不符合模型的差异逻辑，也会让你反复做无用功。
第四，用一个标准测试提示词来给模型“定调”。行业里流行的“鹈鹕骑自行车”这类测试，本质上就是在用同一个反常识提示词去考察不同模型的生成特质。你也可以在自己的工作流里固定一个短小的测试题，比如让模型写同一款产品的三条卖点，然后观察不同模型的表达差异，再决定后面的大任务交给谁。
最后再分享一个我的个人体会：这场对比实验最大的收获，不是得出“哪个模型更好”的结论，而是让我真正接受了“模型是有性格的”这件事。Opus 5.5 和 Sonnet 5.5 各有各的擅长，你不需要逼一个模型变成另一个模型，而是应该学会把任务分给对的模型。就像你不会让纪录片导演去剪短视频，也不会让短视频编导去拍长片——工具选对了，提示词只需要轻轻推一把；工具选错了，提示词写得再好也是在跟模型的默认倾向较劲。
