我把一份自相矛盾的山脉高度数据丢给两个AI研究助手，想看看它们会怎么处理。NotebookLM把矛盾圈了出来，但死活不肯告诉我该信哪一个。Claude也没给痛快话，可它多走了一步。

先交代下背景。NotebookLM这东西，专长是只从你喂给它的资料里找答案，你永远不用去翻那些奇怪的信息源。但这也埋了个雷——要是你塞进去的材料本身有问题呢？另一边，Claude更擅长自己去检索和拆解信息，确保数据靠谱。我本来以为，考虑到NotebookLM这个“只看投喂”的硬伤，Claude应该稳赢。

打开网易新闻 查看精彩图片

实测一圈下来，我被结果噎了一下。NotebookLM在很多场景下，居然扛住了。过去那种信息源一打架它就懵的情况，现在它多了一套工具来帮你理清数据里的矛盾。不过，“指出问题”和“解决问题”，中间还隔着条沟。

第一轮测试，我扔了个虚构的山脉数据进去。两个信源在山的高度上抬杠，其他细节倒是对得上。NotebookLM的反应很老实：把两边各自报的数字标出来，然后两手一摊，声明哪边都不算“真相”。我接着往里塞了第三个信源，站队前两个中的一个。NotebookLM更新了战况——它提醒我，现在三份材料里有俩在同一个数字上达成一致。但它还是咬死不说这就是“官方答案”。我逼它给句准话，它回我一句：材料本身没附带发布日期、政府认定的官方数据这类能判断哪个数字更准的上下文，它没法定论。

我把同样这三份材料甩给Claude。它也没直接判胜负，但它做了件NotebookLM没干的事：给决策过程补充了背景。Claude说了，既然三份看起来互相独立的信源里有两份持相同看法，这个数字多半是对的。但它马上又补了一刀——既然三个信源在其他细节上都对得上，偏偏在高度上冒出来个显眼的偏差，这情况本身就很可疑。最后它给了个实操建议：最好再去找第四份、更有权威性的材料。Claude甚至试着用现有信息做了交叉验证。它推测，既然山脉的其他描述都吻合，不太可能是搞错了对象；可细节又有出入，这些材料可能全是AI批量生成的，或者源头本来就散乱，找到一份真正的官方资料会更牢靠。

两台机器面对同样的信息冲突，画风截然不同。一个给你画重点，严守边界不越位。一个帮你分析信源可信度，把疑点摊开来，还附赠一份后续行动指南。后面我又把测试难度往上提了一档，NotebookLM开始给出明确选择了。但那是另一回事。