常見 AI 工具介紹與比較：工程師的選型指南
2024-2025 年 AI 工具爆發，每個月都有新產品上線、舊產品大改版。身為工程師，你打開 Hacker News 看到的是一堆工具名字在飛——ChatGPT、Claude、Gemini、Copilot、Cursor、Midjourney、Whisper——但到底哪個適合你？哪個值得付費？哪個只是行銷包裝？
這篇文章從工程師的視角，把 AI 工具分成四大類，逐一比較它們的核心特色、定價和適用場景。不是要你每個都用，而是幫你建立一套選型思路。
工具全景
flowchart TD AITools["AI 工具全景"] AITools --> Chat["對話型 AI\nChatGPT / Claude / Gemini"] AITools --> Code["程式碼助手\nCopilot / Cursor / Claude Code"] AITools --> Image["圖像生成\nDALL·E / Midjourney / SD"] AITools --> Media["語音 & 影片\nWhisper / ElevenLabs / Runway"] Chat --> ChatUse["日常問答、寫作\n分析、翻譯、brainstorm"] Code --> CodeUse["寫程式、debug\ncode review、重構"] Image --> ImageUse["設計素材、概念圖\n行銷圖片、UI mockup"] Media --> MediaUse["會議逐字稿、配音\n影片生成、字幕"] style AITools fill:#4a90d9,color:#fff style Chat fill:#f5a623,color:#fff style Code fill:#7ed321,color:#fff style Image fill:#9013fe,color:#fff style Media fill:#d0021b,color:#fff
對話型 AI：ChatGPT vs Claude vs Gemini
這是最多人每天在用的 AI 工具類型。三巨頭各有特色：
ChatGPT（OpenAI）
- 最早也最知名的對話 AI，生態系最完整
- GPT-4o 綜合能力強，回應速度快
- 內建搜尋、圖片生成（DALL-E）、Code Interpreter
- GPTs（自訂 AI 助手）和 Plugin 生態系
- 缺點：有時會「太想幫忙」而給出冗長回答
Claude（Anthropic）
- 以程式碼能力和長文分析著稱
- 200K context window，可以一次讀整本書或整個 codebase
- 風格更精確、更願意說「我不確定」
- Claude Artifacts 可以即時生成互動式內容
- 缺點：不支援即時搜尋（需要透過工具整合）
Gemini（Google）
- 超長 context window（最高 2M tokens）
- 與 Google 生態深度整合（Gmail、Docs、Search）
- 多模態能力強，影片理解優秀
- 免費額度慷慨
- 缺點：在 coding 任務上稍弱於 Claude 和 GPT-4o
| 特性 | ChatGPT (GPT-4o) | Claude 3.5 Sonnet | Gemini 1.5 Pro |
|---|---|---|---|
| Context Window | 128K tokens | 200K tokens | 1M-2M tokens |
| 程式碼能力 | 強 | 最強 | 中上 |
| 多模態 | 圖文、語音 | 圖文 | 圖文、影片、音訊 |
| 免費版本 | GPT-4o mini | Claude 3.5 Sonnet (限量) | Gemini 1.5 Flash |
| 付費價格 | $20/月 (Plus) | $20/月 (Pro) | $20/月 (Advanced) |
| 最適場景 | 通用問答、創意寫作 | 程式碼、分析、長文 | 長文件、Google 整合 |
程式碼助手：Copilot vs Cursor vs Claude Code
這是工程師最關心的類別。三個工具的定位不太一樣：
GitHub Copilot
- 最早的 AI coding assistant，和 GitHub 深度整合
- 支援所有主流 IDE（VS Code、JetBrains、Neovim）
- 擅長行內補全和簡單的 code generation
- Copilot Chat 提供對話式開發體驗
- 價格：19/月（Business）
Cursor
- 基於 VS Code 的 AI-first IDE
- Cursor Tab（智慧補全）+ Cursor Chat + Composer（多檔案編輯）
- 可以選用不同底層模型（GPT-4o、Claude、等）
- Composer 模式可以跨檔案重構，理解整個專案結構
- 價格：$20/月（Pro）
Claude Code
- Anthropic 的 CLI 工具，直接在終端機中運作
- Agent 模式：可以自主讀取檔案、執行指令、跑測試
- 不依賴特定 IDE，適合 terminal-first 的開發者
- 適合大規模重構、建立整個 feature、自動化任務
- 價格：依 API 用量計費
| 特性 | GitHub Copilot | Cursor | Claude Code |
|---|---|---|---|
| 類型 | IDE 外掛 | AI-first IDE | CLI 工具 |
| IDE 支援 | VS Code、JetBrains、Neovim | 自帶 IDE（VS Code fork） | 任何 terminal |
| 補全方式 | 行內即時補全 | 行內 + 多檔案 | Agent 模式 |
| 多檔案操作 | 有限 | Composer 支援 | 原生支援 |
| 最適場景 | 日常 coding、行內補全 | 全方位 AI 開發 | 大規模重構、automation |
| 學習曲線 | 低 | 中 | 中高 |
圖像生成：DALL-E vs Midjourney vs Stable Diffusion
DALL-E 3（OpenAI）
- 整合在 ChatGPT 中，用文字描述就能生成
- 指令理解能力最好，中文 prompt 也能用
- 風格偏「乾淨」，適合商業用途
- 生成速度快，但風格選擇較少
- 商用友善（OpenAI 授權使用者擁有圖片權利）
Midjourney
- 藝術品質公認最高，風格多變
- 透過 Discord 操作（有點不直覺）
- 適合概念設計、行銷素材、藝術創作
- 價格：$10-60/月，依用量和速度分級
- 商用需付費方案
Stable Diffusion
- 完全開源，可本地部署
- 社群模型豐富（Civitai 等平台）
- 可以 fine-tune 自己的風格
- 需要 GPU 和技術能力來設定
- 完全免費（只需硬體成本）
| 面向 | DALL-E 3 | Midjourney | Stable Diffusion |
|---|---|---|---|
| 品質 | 良好 | 最佳 | 依模型而定 |
| 易用性 | 最高（對話生成） | 中（Discord） | 低（需安裝設定） |
| 費用 | 含在 ChatGPT Plus | $10-60/月 | 免費（需 GPU） |
| 自訂性 | 低 | 中 | 最高 |
| 商用授權 | 友善 | 需付費版 | 開源（依 license） |
| 最適場景 | 快速生成、商業用途 | 高品質藝術 | 大量生成、自訂模型 |
語音 & 影片：簡要介紹
這個領域發展也很快，簡要提幾個重要的：
Whisper（OpenAI） — 語音轉文字（STT）。開源、免費、支援多語言。可以本地跑，也可以用 API。會議逐字稿、Podcast 字幕的首選。
ElevenLabs — 文字轉語音（TTS）。語音品質極度自然，支援多語言和聲音克隆。適合 Podcast 配音、影片旁白、有聲書。
Runway — AI 影片生成和編輯。可以從文字或圖片生成影片片段，也支援 AI 影片特效。適合短影片製作、原型展示。
全景比較表
| 工具 | 價格帶 | 核心特色 | 最適場景 |
|---|---|---|---|
| ChatGPT | 免費 / $20/月 | 通用對話、生態系完整 | 日常問答、寫作、brainstorm |
| Claude | 免費 / $20/月 | 長文分析、coding 能力強 | 程式碼、技術文件、深度分析 |
| Gemini | 免費 / $20/月 | 超長 context、Google 整合 | 長文件處理、跨 Google 服務 |
| GitHub Copilot | $10-19/月 | IDE 整合、行內補全 | 日常 coding |
| Cursor | $20/月 | AI-first IDE、多檔案編輯 | 全方位 AI 開發 |
| Claude Code | 依 API 用量 | CLI Agent、自主執行 | 大規模重構、自動化 |
| DALL-E 3 | 含 ChatGPT Plus | 文字生成圖片、簡單易用 | 快速產圖、商業素材 |
| Midjourney | $10-60/月 | 藝術品質最高 | 設計、概念、行銷 |
| Stable Diffusion | 免費（需 GPU） | 開源、可自訂 | 大量生成、客製化 |
| Whisper | 免費 / API 計費 | 語音轉文字、多語言 | 會議紀錄、字幕 |
| ElevenLabs | $5-99/月 | 自然語音合成 | 配音、有聲書 |
| Runway | $12-76/月 | AI 影片生成與編輯 | 短影片、特效 |
我的選法：如何根據任務選工具
經過這一年多的使用，我歸納出一套選型思路：
Step 1：先確定任務類型
你的需求是什麼？
├── 寫程式 → 看 Step 2a
├── 寫文件 / 分析 → 看 Step 2b
├── 生成圖片 → 看 Step 2c
└── 其他（語音、影片...） → 看各領域專用工具
Step 2a：程式碼相關
- 日常 coding（補全、小修改）→ GitHub Copilot（已經融入你的 IDE）
- 需要跨檔案重構、大量生成 → Cursor Composer 或 Claude Code
- 只是問程式問題、要解釋 → Claude（對話模式就夠了）
Step 2b：文字/分析相關
- 需要分析長文件（PDF、程式碼庫）→ Claude（200K context）或 Gemini（1M+ context）
- 需要搜尋最新資訊 → ChatGPT（有搜尋功能）
- 日常翻譯、摘要、寫作 → 三家都行，選你習慣的
Step 2c：圖片相關
- 快速產一張圖，不挑剔品質 → DALL-E（ChatGPT 裡直接用）
- 需要高品質設計素材 → Midjourney
- 需要大量生成或客製風格 → Stable Diffusion
通用原則：
- 不要一次訂閱太多 — 先選一個對話 AI + 一個程式碼助手，夠用再加
- 善用免費額度 — Claude、Gemini、ChatGPT 的免費版已經很強了
- 工具會持續演進 — 半年前的比較可能已經不準，定期重新評估
- 選你常用的生態系 — 如果你 all-in VS Code，Copilot 或 Cursor 就比 CLI 工具方便
延伸閱讀
- AI 全景與核心概念 — AI 基礎概念與模型選型
- Prompt Engineering — 學會寫好 Prompt，讓這些工具發揮最大效用
- AI 輔助開發工具 — 深入比較程式碼助手的演進
- AI 工具選型與工作流 — 從方法論角度看 AI 工具的選擇