把 Google Maps 上的 4.2 星評論、超過 500 則評價、單價低於 10 美元的餐點全部摳出來，這件事在兩年前可能需要寫一堆爬蟲腳本加上繁瑣的清洗流程。現在開發者想做個 CheapFoodMap 這種東西，第一直覺通常是扔給大模型去處理那些非結構化的評論數據。但問題就在這，當你試圖讓 AI 在現實世界的「廉價生活」裡尋找準確性時，四大平台的表現往往比它們在寫代碼時更讓人想翻白眼。尤其是那些標榜自己有無窮算力的模型，在面對這種接地氣的數據清洗任務時，經常顯得像個沒吃過路邊攤的小少爺。
拿 Grok 來說，馬斯克一直吹噓它能實時訪問 X 的數據流，這聽起來很適合用來做這種群眾外包型的地圖數據驗證。但實際上，當你問 Grok 關於某個特定街區、單價低於 10 刀的非連鎖店食譜時，它對實時性的執著反而成了累贅。它會給你一堆推特上的碎念，而不是乾淨的價格標籤。如果你要求它過濾掉像春捲這種「點心」而非「正餐」的項目，Grok 的邏輯就會開始打結。它分不清 8 美元的兩條春捲在舊金山算不算一頓飯，還是僅僅是個塞牙縫的零食。這種對現實世界物價感知的斷層，是目前所有大模型在處理特定領域長尾數據時的通病。
ChatGPT 在這方面的處理邏輯則顯得老練得多，這得益於它那套被餵爛了的 RLHF 體系。如果你把 Google Review 的原始文本塞給 GPT-4o，它在識別「價格感」這件事上比 Grok 準確。它知道 5.53 美元的一片披薩在 2024 年的達拉斯可能算便宜，但在某些特定語境下卻是溢價。然而，ChatGPT 的問題在於它的過度修飾。它會傾向於給你一個「安全」的答案，甚至會為了符合你的預期而自動忽略那些評論中隱晦的負面信號。這種處理方式雖然讓數據看起來很漂亮，但對於一個需要硬核準確度的 CheapFoodMap 來說，這種「體面」的數據往往是致命的。
相較於 DeltaNet，Grok 在處理這類地理空間關聯的非結構化數據時，似乎更依賴於暴力推算而非邏輯優化。在同樣的抓取任務中，Gemini 的表現最讓人失望。儘管它背靠 Google Maps 這麼大一座金礦，但 Gemini 在調用自身生態系統數據時的權限控制簡直是災難。它經常會給出一些過時的價格訊息，即便地圖上的評論已經更新到了上週。Gemini 似乎有一種奇怪的「記憶慣性」，它寧願相信兩年前的訓練數據，也不願意相信現在正擺在它面前的 API 實時反饋。這讓開發者在構建這種依賴價格新鮮度的模型時，感到極其沮喪。
Claude 則是這四個裡面最像個「圖書館管理員」的。它在解析長文本評論、提取具體數值（例如 8 塊錢 2 個春捲）方面極其精準，幾乎不會出現幻覺。但 Claude 的死穴在於它太過保守，對於那些模糊的、非標準化的口語表達，它往往選擇跳過而不是嘗試理解。這導致最終產出的地圖數據雖然準確，但覆蓋率低得可憐，完全沒了群眾外包那種野蠻生長的生命力。
在技術圈討論 DeltaNet 的新動態時，我們其實更應該反思：為什麼擁有最強算力的四大平台，至今無法優雅地解決「幫我找一頓 10 美元以下且能吃飽的飯」這種簡單需求？當開發者試圖在 15 個城市、1200 頓飯的數據中尋找價格新鮮度（Price-freshness）的平衡點時，AI 給出的建議往往不如一個常年混跡論壇的本地土著。
到底是我們的數據清洗邏輯太過依賴模型的預訓練常識，還是這些模型在設計之初，就根本沒打算理解什麼叫「窮人的性價比」？當 AI 能夠寫出優雅的 Python 腳本，卻無法在舊金山的街道上準確定位一塊 5 美元的披薩究竟算不算「便宜」時，我們引以為傲的通用人工智能，是不是在某些最基礎的維度上徹底失能了？