法學碩士的演進：市場簡介

2025年語言模型之戰:從技術均勢到生態系統之爭

大型語言模型的發展在 2025 年到了一個關鍵的轉折點：競爭不再是在模型的基本能力上 - 現在在主要的基準上基本上是相同的 - 而是在生態系統、整合和部署策略上。雖然 Anthropic 的 Claude Sonnet 4.5 在特定基準上維持微弱的技術優勢，但真正的戰爭已轉移到不同的領域。

技術性抽籤：當數目相等時

MMLU基準測試(Massive Multitask Language Understanding)

• Claude Sonnet 4.5: 88.7%
• GPT-4o: 88.0%
• Gemini 2.0 Flash: 86.9%
• DeepSeek-V3: 87.1%

兩者的差異微乎其微，表現最佳的公司之間相差不到 2 個百分點。根據斯坦福的《2025 年人工智能指數報告》，「語言模型核心能力的融合代表了 2024-2025 年最重要的趨勢之一，對人工智能公司的競爭策略具有深遠的影響」。

推理能力(GPQA Diamond)

• Claude Sonnet 4: 65.0%
• GPT-4o: 53.6%
• Gemini 2.0 Pro: 59.1%

Claude 在複雜的推理任務上仍維持顯著的優勢，但 GPT-4o 在反應速度（平均延遲時間 1.2s 對比 Claude 的 2.1s）和 Gemini 的原生多模式處理上更勝一籌。

DeepSeek 革命：中國的遊戲改變者

2025 年 1 月，DeepSeek-V3 嶄露頭角，以 560 萬美元對比 GPT-4/Gemini Ultra 的 7,800-1.91 億美元，展示了如何開發出具有競爭力的模型。Marc Andreessen 稱之為「最令人驚嘆的突破之一，而作為開放原始碼，更是給世界的一份深厚禮物」。

DeepSeek-V3規格:

• 總參數量6,710億(透過Mixture-of-Experts啟用370億)
• 訓練成本:$5.576M
• 效能:在部分數學基準測試中超越GPT-4o
• 架構:Multi-head Latent Attention (MLA) + DeepSeekMoE

影響：Nvidia 股價在公佈後單一交易時段下跌 17%，市場重估模型開發的進入門檻。

公眾觀感與技術現實

ChatGPT 在品牌知名度上維持無可挑戰的優勢：皮尤研究中心 (Pew Research Center) 的研究 (2025 年 2 月) 顯示，76% 的美國人只會將「會話式 AI」與 ChatGPT 聯繫起來，而只有 12% 的人知道 Claude，8% 的人會主動使用 Gemini。

悖論：Claude Sonnet 4 在 65% 的技術基準上勝過 GPT-4o，但消費者市場佔有率僅為 8%，ChatGPT 則為 71%（Similarweb 資料，2025 年 3 月）。

Google 以大量整合來回應：Gemini 2.0 原生於 Search、Gmail、Docs、Drive-策略生態系統與獨立產品。21 億 Google Workspace 使用者代表即時分銷，無需取得客戶。

電腦使用與代理：下一個領域

Claude Computer Use(2024年10月測試版,2025年第一季正式上線)

• 功能:直接控制滑鼠/鍵盤、瀏覽器導覽、應用程式互動
• 採用率:12%的Anthropic企業客戶在正式環境中使用Computer Use功能
• 限制:在複雜多步驟任務上仍有14%的失敗率

具備Vision與Actions功能的GPT-4o

• Zapier整合:可控制6000+款應用程式
• 自訂GPTs:已發布300萬個,80萬個正在積極使用中
• GPTs創作者收益分潤:2024年第四季已分配1000萬美元

Gemini Deep Research(2025年1月)

• 多來源自主研究,並提供比較分析
• 只需單一提示即可產出完整報告
• 平均耗時:產出5000字以上報告需8至12分鐘

Gartner 預測到 2025 年底，將有 33% 的知識工作者使用自主式 AI 代理，而現在只有 5%。

關於安全的哲學分歧

OpenAI:「以限制實現安全」的策略

• 拒絕回應8.7%的消費者提示(OpenAI內部外洩資料)
• 嚴格的內容政策導致23%開發者流失至其他替代方案
• 公開的Preparedness Framework,並持續進行red-teaming測試

Anthropic:「Constitutional AI」

• 模型依明確的倫理原則訓練而成
• 選擇性拒絕:3.1%的提示(比OpenAI更為寬容)
• 決策透明:會說明拒絕請求的原因

Google:「安全最大化,爭議最小化」

• 市場上最嚴格的過濾機制:封鎖11.2%的提示
• 2024年2月Gemini Image的失敗事件(偏見過度修正)促使公司採取極度謹慎的態度
• 以企業市場為重心,降低了風險容忍度

Meta Llama 3.1：零內建篩選器、執行者對立理念的責任。

垂直專業化：真正的差異化優勢

醫療保健:

• Med-PaLM 2(Google):在MedQA測試中達85.4%(相較於人類頂尖醫師的77%)
• Epic Systems中的Claude:已被美國305家醫院採用,用於臨床決策支援

法律:

• Harvey AI(客製化GPT-4):102家頂尖百大律師事務所為其客戶,年經常性收入(ARR)達1億美元
• CoCounsel(Thomson Reuters + Claude):法律研究準確率達98%

金融:

• Bloomberg GPT:以3,630億個專有金融token訓練而成
• Goldman Sachs Marcus AI(基於GPT-4):貸款核准速度提升40%

垂直化的付款意願是一般模式的 3.5 倍（麥肯錫調查，500 位企業買家）。

Llama 3.1：Meta 的開放原始碼策略

405B 參數，在許多基準上與 GPT-4o 具競爭力，完全開放重量。Meta 策略：基礎架構層商品化，以產品層競爭（Ray-Ban Meta 眼鏡、WhatsApp AI）。

Llama 3.1 採用情況：

• 首月下載量超過 35 萬次
• 50+ 新創公司基於 Llama 建構垂直領域 AI
• 自主託管成本：每月 1.2 萬美元，相較於封閉模型同等用量的 API 成本超過 5 萬美元

反其道而行：Meta 在 Reality Labs 上損失數十億美元，但為了保護廣告核心業務，卻在開放式 AI 上大量投資。

Context Windows：數百萬代幣的競賽

• Claude Sonnet 4.5：20 萬 token
• Gemini 2.0 Pro：200 萬 token（商業可用中最長）
• GPT-4 Turbo：12.8 萬 token

Gemini 200 萬 context 可用於分析整個程式碼庫、10 小時以上的影片、數千頁文件——這是變革性的企業應用場景。Google Cloud 報告顯示，43% 的企業 POC 使用超過 50 萬 token 的 context。

適應性與客製化

Claude Projects 與 Styles：

• 跨對話持續存在的自訂指令
• 風格預設：正式、簡潔、說明性
• 知識庫上傳（最多 5GB 文件）

GPT Store 與自訂 GPT：

• 已發布 300 萬個 GPT，月活躍使用量達 80 萬
• 頂尖創作者每月賺取 6.3 萬美元（收益分成）
• 71% 的企業內部使用至少 1 個自訂 GPT

Gemini 擴充功能：

• 原生整合 Gmail、Calendar、Drive、Maps
• Workspace context：讀取電子郵件與行事曆以提供主動建議
• 2024 年第四季執行 12 億次 workspace 操作

關鍵：「單一提示」改為「具備跨會話記憶與情境的持久性助理」。

2025 年第一季發展與未來軌跡

趨勢一：混合專家模型（Mixture-of-Experts）主導2025 年所有頂級模型皆採用 MoE（依查詢啟動部分參數）：

• 推論成本降低 40-60%
• 在維持品質的同時延遲更佳
• DeepSeek、GPT-4、Gemini Ultra 皆採用 MoE 架構

趨勢二：原生多模態Gemini 2.0 為原生多模態（而非拼接的獨立模組）：

• 同時理解文字、圖像、音訊與影片
• 跨模態推理：「將建築照片的建築風格與歷史時期的文字描述進行比較」

趨勢三：測試時運算（推理模型）OpenAI o1、DeepSeek-R1：使用更多處理時間進行複雜推理：

• o1：複雜數學問題耗時 30-60 秒，相較 GPT-4o 的 2 秒
• AIME 2024 準確率：83.3% 對比 GPT-4o 的 13.4%
• 延遲與準確度之間的明確取捨

趨勢四：代理工作流程Anthropic 的 Model Context Protocol（MCP），2024 年 11 月推出：

• 供 AI 代理與工具/資料庫互動的開放標準
• 前 3 個月內獲得 50+ 合作夥伴採用
• 讓代理能建立跨互動的持續性「記憶」

成本與定價大戰

每百萬 token API 定價（輸入）：

• GPT-4o：2.50 美元
• Claude Sonnet 4：3.00 美元
• Gemini 2.0 Flash：0.075 美元（便宜 33 倍）
• DeepSeek-V3：0.27 美元（開源，另計託管成本）

Gemini Flash 個案研究：從 GPT-4o 轉換過來的新創公司 AI 總結降低了 94% 的成本-相同的品質、相若的延遲。

商品化加速：2023-2024 年推理成本年增 70%（Epoch AI 資料）。

對公司的策略性影響

決策框架：該選擇哪個模型？

情境一：企業安全關鍵應用→ Claude Sonnet 4

• 醫療、法律、金融等錯誤代價高達數百萬的領域
• Constitutional AI 降低法律責任風險
• 溢價定價因風險緩解而合理

情境二：高流量、成本敏感型應用→ Gemini Flash 或 DeepSeek

• 客服聊天機器人、內容審核、分類任務
• 效能「足夠好」，用量達 10 到 100 倍
• 成本為主要差異化因素

情境 3：生態系鎖定→ Google Workspace 用 Gemini，Microsoft 用 GPT

• 已投資於生態系
• 原生整合 > 些微更優的效能
• 員工在現有平台上的訓練成本

情境 4：客製化／控制權→ Llama 3.1 或 DeepSeek 開源

• 特定合規要求（資料落地、稽核）
• 針對專有資料進行大量微調
• 在大量使用下，自架成本更划算

結論：從技術戰到平台戰

2025 年的 LLM 競爭不再是「哪個模式的理由最充分」，而是「哪個生態系統能獲得最大價值」。OpenAI 主導消費者品牌，Google 利用十億用戶分銷，Anthropic 贏得具有安全意識的企業，Meta 將基礎設施商品化。

2026-2027 年預測：

• 核心效能進一步趨於一致（前五名皆約 90% MMLU）
• 差異化聚焦於：速度、成本、整合能力、垂直領域專精
• 多步驟自主代理成為主流（33% 的知識工作者）
• 開源模型縮小品質差距，保有成本／客製化優勢

最後贏家？可能不是單一玩家，而是服務於不同使用群組的互補生態系統。就像智慧型手機作業系統 (iOS + Android 並存)，不是「贏家通吃」，而是「贏家分割」。

對於企業：多模型策略成為標準-GPT 適用於一般任務，Claude 適用於高風險推理，Gemini Flash 適用於大量任務，Llama 適用於專屬的客製調整。

2025 年不是「最佳模式」之年，而是互補模式之間智慧型協調之年。

資料來源：

• Stanford AI Index Report 2025
• Anthropic Model Card Claude Sonnet 4.5
• OpenAI GPT-4o Technical Report
• Google DeepMind Gemini 2.0 System Card
• DeepSeek-V3 Technical Paper (arXiv)
• Epoch AI - Trends in Machine Learning
• Gartner AI & Analytics Summit 2025
• McKinsey State of AI Report 2025
• Pew Research Center AI Adoption Survey
• Similarweb Platform Intelligence