GPT vs Llama

GPT（4.3）：程式設計能力在主流模型中排名前三。GPT-4o 在日常程式設計任務上表現穩定，o3 在演算法設計方面更強。生態最完善。

Llama（3.8）：程式設計能力不錯，Llama 4 Maverick 已接近 GPT-4o 水準。但需要自己部署。

GPT（3.8）：中文能力可用但不如國產模型。GPT-4o 的中文輸出有時會出現不自然的表達方式。

Llama（3.5）：中文效果是短板，畢竟訓練語料以英文為主。需要中文場景的話建議微調。

GPT（4.3）：英文寫作能力一流，中文寫作也在線。格式把控和文體切換能力不錯。

Llama（3.5）：英文寫作能力不錯，中文寫作偏弱。可以透過微調改善。

GPT（4.5）：o3 推理模型在數學和邏輯推理方面是目前最強的，在 IMO 級別數學問題上有突破性表現。

Llama（3.8）：推理能力中等偏上，在開源模型中表現最好。但與閉源頂級模型仍有差距。

GPT（4.0）：GPT-4o 回應速度適中，4o-mini 很快。o3 因為推理鏈的原因延遲較高。

Llama（4.5）：取決於部署配置。自建推理服務可以獲得極低延遲。

GPT（3.0）：價格中等偏上，但 4o-mini 極具性價比（$0.15/M 輸入）。o3 的推理成本較高。

Llama（5.0）：模型完全免費，但需要自建基礎設施。大量呼叫場景下 TCO 最低。

GPT（4.3）：OpenAI 的基礎設施非常可靠，服務中斷很少。API 版本管理和向後相容性做得不錯。

Llama（4.0）：取決於自身部署水準。專業維運下可以達到很高的可用性。

GPT（4.0）：幻覺率中等偏低。GPT-4o 在事實性回答中偶爾會「自信地犯錯」。

Llama（3.5）：幻覺率中等，與同等參數量的閉源模型相當。

GPT（4.8）：生態最完善，第三方工具和文件最多。API 設計成熟且穩定，新手上手最容易。

Llama（3.0）：需要自行部署，技術門檻最高。但 vLLM、llama.cpp 等工具降低了難度。