人工智能可以进行对话，听起来像一位金融分析师，并能毫不迟疑地给出比特币价格预测。但与 AI 语音交流所产生的推理质量，是否与输入文字提问相当？2026年10月23日的一项实验对这一问题进行了检验，而答案远非一目了然。

ChatGPT 和 Grok 通过语音接口接受提问，而 Claude Opus 5.5 最初以文本方式作答。随后一次 Claude Opus 5.5 语音会话提供了颇具揭示意义的对比。四个会话都给出了具体的比特币年终价格，但没有一个能展示其最终数字背后的可复现计算；不过，它们在事实准确性、一致性和承认不确定性的意愿上的差异十分明显。鉴于三家公司在文本产品之外都推出了语音接口，这最后一点差异具有现实意义。

四次会话、三家人工智能公司与同一个比特币问题

实验涉及 OpenAI 的 ChatGPT、xAI 的 Grok 以及 Anthropic 的 Claude Opus 5.5。每家模型都被要求预测比特币2026年12月31日的收盘价，所使用的五个提问分别侧重历史周期、链上活动、机构采用和经济状况。

10月23日，比特币交易价格约为81,200美元，这为实验提供了共同的市场参照。ChatGPT 的语音会话最初报价89,500美元，最终定为82,000美元。Grok 的口头估计从88,000美元变为82,000美元。Claude 的文本模型在各提问中始终维持78,000美元，而其随后的语音会话最初报价88,000美元，之后稳定在85,000美元。

这次实验并非受控的科学基准测试。不同公司使用不同的架构，各会话对实时信息的访问权限也不尽相同且未经核实。尽管如此，这些对话仍生动地展示了这些系统能以多大的说服力呈现金融推理，以及这种推理在审视之下的成色。

ChatGPT 的语音模式听起来很忙碌，但数字一直在变

ChatGPT 的语音会话是本次实验中最典型的“口头流畅远超实际分析”的例子。在 Bitcoin.com News 引入额外分析因素后，其预测从89,500美元变为86,500美元。另一个口头提问未使数字变化，但随后一个关于18至24个月展望的问题将预测下调至82,000美元。

审查发现，这些修改之间没有获取新市场数据的证据。相反，数字的变化只是随着提问方式的改变而变化。口头表达让整个过程听起来比实际更严谨。在语音模式下，ChatGPT 使用了诸如“让我把这些信息整合一下”和“正在核实”之类的表述——这些话通常意味着对方正在查阅信息。实验并未证实确实发生了此类检索。它似乎在说谎。这种行为与大型语言模型普遍存在的局限相符：无论是否真正查阅了底层事实，都能生成流畅的输出。

随后一次基于文本的 ChatGPT 对话对早前的语音交流给出了更为怀疑的评价，包括承认“我把合理性当成了证据”。这一区别很重要，因为 ChatGPT 的语音与文本体验可能使用不同的底层模型。文本助手后来的解释本身并不能确切证明语音系统内部究竟做了什么。

这一幕表明，一段听起来自然的对话可以轻易营造出具调查性的工作印象，即便最终答案几乎无法提供任何佐证。

Grok 的语音模式提供了细节，却搞错了一个关键

Grok 的口头回答听起来经过更充分的研究，提供了有关比特币历史跌幅、通胀、机构活动以及近期 Mt Gox 还款延迟的数据。其中大部分信息与事实和来源相符。随后出现了一个重大错误。

据报道，Grok 赋予美联储在10月27日至28日会议上加息约90%的概率。而审查所依据的市场参考数据则显示，这一概率约为6%至18%，具体取决于数据来源和观察日期。这一差异相当可观：一个低概率的加息事件被描述成了近乎确定的事，其依据显然来自较早的参考数据点。过时参考是 AI 系统公认的一种失效模式：某个较早时点准确的数据可能留存于模型输出中，并被当作当前信息呈现。

其他问题还包括过时的 Bernstein 15万美元比特币目标价，以及对 Fidelity 预测价格区间相对市场位置的错误描述。Grok 最终纠正了其加息概率，但只有在被质疑之后才这么做。

它随后声称未检索实时数据，这与其提及的近期通胀和 Mt Gox 进展难以自洽。随后的追问无法确定这些信息究竟来自检索、先前的上下文还是其他来源。就语音对比而言，重要发现并不仅是 Grok 犯了错误，而是正确与错误的金融论断以几乎相同的对话自信呈现出来。

Claude 的文本模型搜索了证据，却仍“编造”了一套方法

Claude Opus 5.5 最初的文本会话有一个明确的优势：它在回答前进行了四次网络搜索。其78,000美元的预测部分参考了比特币的“真实市场均值”（True Market Mean），估计约为77,600美元——这为回答提供了 ChatGPT 语音会话在很大程度上所缺乏的具体市场参照。然而，这份书面回答自身也有问题。

Claude 错述了历史上的减半周期时间，低估了比特币约54%的峰谷跌幅，并在其经济讨论中忽略了伊朗战争的石油冲击。尽管检索到的信息显示10月份的情况有所不同，它仍偏向 ETF 资金外流的叙事。

更具揭示性的是该系统对其工作方式的描述。Claude 提到“我赋予最高权重的数据点”，并声称已将12月加息纳入其预测。然而在进一步追问下，它承认并未计算任何数值权重或概率。78,000美元的估计是一个锚定于某项市场指标的判断，而非可验证的量化模型的输出。

经过三轮追问，Claude 的文本会话才充分区分了有来源的信息与无依据的假设。网络检索提供了更多讨论素材，但并未保证分析的质量。

Claude 的语音模式带来实验中最大的意外

Claude Opus 5.5 随后的语音会话改变了这一对比。其初始预测为88,000美元，随后修改为85,000美元。与多次更改答案的 ChatGPT 语音会话不同，Claude 在其余提问中坚持了修改后的数字，并未为了给出更引人注目的预测而随意调整。

更重要的是，Claude 的语音回答比其他会话更早主动披露了自身的局限性。在第二个回答中，它承认无法获取实时链上指标，并将自己的预测描述为一种估计而非计算得出的模型输出。当被要求指出无依据的信息时，它在第一次请求中就区分了检索数据、通用知识、计算和观点。

这比 Claude 自身文本会话的表现更好——后者需要三轮追问才达到类似程度的坦诚。语音模型还正确地描述了历史比特币周期顶部通常出现在减半后12至18个月，避免了 Grok 语音会话和 Claude 最初文本回答都犯过的时间错误。

尽管如此，Claude 的语音表现也绝非完美。它引用了超过110美元的油价，而审查认为该数据已过时；它夸大了机构持续购买比特币的规模；并且在讨论当前回撤时忽略了2026年6月更深的市场下跌。它也从未展示得出85,000美元目标价的任何计算。

因此，意外并不在于 Claude 的语音模型成为了更好的金融预测者，而在于在这一次特定会话中，语音助手比其文本版本更坦率地说明了自身的局限。

##语音与文本 AI 未必是同一套系统

这一对比引出了一个普通用户可能从未考虑过的技术问题：与 AI 语音交流并不总是等同于输入文字。OpenAI 的 ChatGPT 语音体验所使用的模型家族与其主要文本体验不同。与此同时，Anthropic 描述 Claude 语音是通过所选模型中最快的版本运行的，包括受支持的 Sonnet 和 Opus 选项。

这一差异使直接比较变得复杂。即使界面显示相同的模型名称，语音体验也可能涉及不同的执行设置、延迟约束和语音处理组件。实验并未独立确定这些因素对答案的影响。

Grok 的语音架构在报告中未经验证，使技术对比中另一个重要环节悬而未决。在三家公司公布其语音管道的可比技术细节之前，仅凭产品名称几乎无法告知用户是哪种配置在作答。因此，这些会话无法证明语音 AI 天生不如生成式文本 AI 准确、更易捏造或更透明。它们所表明的是：界面与底层配置至关重要，仅凭熟悉的品牌名称并不能保证一致的行为。

Claude 提供了最有价值的同公司内部对比，但即便如此，其文本与语音会话也是分开进行的，并不构成重复的受控试验。

真正的考验在 AI 停止说话之后

在四次会话中，最终预测介于78,000美元至85,000美元之间，均相对接近比特币当时的市场价格。没有一个模型展示了其假设如何转化为所选的具体数字。

审查也指出了自身方法的局限。对模型表现的评估由 Claude 自己撰写，若干市场论断仅通过搜索摘录而非完整的原始来源进行了核查。没有独立的工具日志能确切说明每个语音助手检索了什么。这些限制条件至关重要，而更深入的验证仍有待 xAI、OpenAI 和 Anthropic 完成。

这是一次探索性实验，并非证明某家公司或某种交互模式一贯优于另一方。但它确实揭示了“听起来像分析”与“展示真实分析”之间的重要区别。语音助手能够以专业播音员般的节奏和自信传达金融评论；文本模型能够整合由检索来源支持的详细解释。但两者都可能得出缺乏依据的结论、出现幻觉或彻头彻尾的谎言，也都可能在被要求区分证据与推断时有所改进。

Claude 后来的语音会话表明，与 AI 语音交流并不必然意味着牺牲透明度。与此同时，ChatGPT 和 Grok 则展示了为什么流畅的口头回答应当与书面回答接受同等程度的审视。对于任何使用 AI 评估投资的人而言，下一步的测试应当要求相同的提问、有记录的检索活动、重复的会话以及经独立核实的数字。只有这样，研究人员才能开始将语音交互的影响与底层模型的推理能力区分开来。从纸面上看，实现这种测试的条件很简单：厂商公开其语音技术栈的具体细节，并发布达到本审查所提出的方法论标准的对比报告。

实验最具揭示性的结果，并不是比特币将在2026年以78,000美元、82,000美元还是85,000美元收官，而是语音模式下四场令人信服的表现产生了四套金融推理——却没有一个能展示其最终答案背后的数学过程。