为什么我做了 Model Council：别只问一个 AI，让它们互相校对

我越来越依赖 AI 做产品分析、研究和方案评审，也越来越清楚地看到一个危险：回答越流畅，我们越容易忽略它没有看到什么。单个模型可能选错前提、补全不存在的证据，或把不确定的推断写成确定事实。

换一个模型，答案往往不是简单的好或坏，而是注意到完全不同的风险。这些分歧本身就是信息：它告诉我们，结论依赖了哪些未经验证的假设。

在 CNN 2025 年 7 月 13 日播出的 Fareed Zakaria 访谈中，黄仁勋说：“I ask the same question of multiple AIs.” 随后他解释，会把一个 AI 的答案交给另一个 AI 批评，并让它们比较彼此的记录，再综合出更好的答案。

这不是把“多数票”当成真相，而是像寻求多个医生意见一样，让不同系统暴露彼此的盲点。来源：CNN 访谈逐字稿。

手动把同一个问题复制到 ChatGPT、Claude、Gemini、Perplexity 和 Grok 并不难。真正麻烦的是：如何确保它们先独立判断，如何让它们针对具体论据互相质疑，以及如何把五份答案收敛成一份可以行动的结论。

Model Council 的流程因此被固定为四步：只问一次；每个模型独立回答；模型交叉评审；最后生成一份结论、判断边界、关键依据与下一步行动。分歧不会被藏起来，未知也不会被包装成答案。

多个模型可能共享相似的训练资料、搜索结果或流行偏见，所以一致意见仍然可能一起出错。Model Council 提升的是发现遗漏和冲突的概率，不是提供事实保证。

涉及医疗、法律、财务、安全、实时数据或重大商业决策时，仍应检查原始来源、核对关键数字，并在需要时咨询具备资质的专业人士。最值得信任的结论，往往会清楚说明自己不能确认什么。

Model Council 可在 macOS、Windows 和 Linux 上使用，并连接你已有的 AI 官方账号。你可以从双模型 Quick 模式免费开始，再根据问题的重要程度增加模型和评审深度。

邀请朋友并在对方完成第一份至少包含两个模型回答的有效结论后，双方各得 30 天 Pro。产品介绍：/model-council/ · 邀请奖励：/model-council/invite/