处理长文档是AI最常见的办公场景之一。但真正的问题不是AI能不能总结，而是总结结果能不能直接用。一份糟糕的总结——遗漏关键数据、抓错重点、或者自信满满地跳过重要章节——反而比没有更费时间。

为了找到答案，我选了一份公开的亚马逊121页投资者文件，用同一套提示词测试了Gemini、ChatGPT和Claude。测试标准很简单：谁在真实工作场景里最靠谱。

打开网易新闻 查看精彩图片

控制变量很严格。同一份PDF，同一个文件，同一道指令：要求输出结构化总结，包括核心要点、业务板块、财务表现、战略重点、风险因素，以及几个容易被忽略的细节。

评判方式也完全按实际工作来。总结有没有覆盖文档的重要部分？用的是具体数字还是模糊表述？有没有编造不存在的内容？有没有漏掉关键风险？

结果很快分出高下。三家都能快速生成看似专业的总结，但在准确性、结构清晰度和信息完整度上，差距比预期更明显。对于需要真正依赖AI输出做决策的打工人来说，这个差距决定了工具是省时间还是制造更多麻烦。