现在写论文、做报告、搞科研，几乎绕不开两类AI工具：
- 生产端：ChatGPT、Claude、Gemini、DeepSeek、Kimi、通义千问、文心一言、豆包、智谱GLM等，用来查资料、理思路、写初稿、改语言、跑代码。
- 风控端：AIGC检测、查重、溯源工具，用来判断内容会不会被学校或平台认定为“AI生成”。
很多人用不好AI，不是因为模型不够强，而是把“写作助手”和“检测工具”混为一谈。大模型擅长生成，但不会对你的学校规则负责；检测工具擅长识别风险，但不能替你做学术判断。
下面按实际场景梳理一份工具选型清单，重点说说PaperRed适合放在哪一步。
一、生产端：大模型和智能体怎么选？
1. 海外模型：强在通用推理、长文和多模态
ChatGPT / GPT系列
- 优点：综合能力均衡，适合头脑风暴、论文大纲、语言润色、代码调试、多步骤任务拆解；智能体模式适合处理“查资料—整理—对比—生成表格”这类连续任务。
- 适合人群：需要通用写作助手、英文润色、代码辅助、跨学科任务的人。
- 注意点：热门模型更新快，不同版本推理能力和价格差异大；涉及事实、引用、数据时必须核实。
Claude
- 优点：长文本处理稳、语言风格较克制、逻辑连贯性强，适合读长文献、改论文结构、处理合同/报告/长篇材料。
- 适合人群：需要阅读大量PDF、写长文、做细致逻辑梳理的学生和科研人员。
- 注意点：中文生态和本土资源整合不如国产模型顺手。
Gemini
- 优点：多模态能力强，背靠谷歌生态，适合图文理解、科学类问题、多语言资料处理、表格和图表辅助分析。
- 适合人群：需要结合图片、网页、文档、数据做综合分析的用户。
- 注意点：中文学术写作和国内政策语境适配，有时不如国产模型贴近。
Perplexity / NotebookLM / Deep Research类智能体
- 优点：带引用来源，适合做文献调研、资料汇总、研究现状梳理；NotebookLM尤其适合把多篇论文“喂进去”后做笔记和问答。
- 适合人群：科研入门、文献综述、课题组资料整理。
- 注意点：引用来源仍需人工核对，不能直接当作最终参考文献。
2. 国产模型：强在中文理解、本土场景和性价比
Kimi
- 优点：超长上下文是核心优势，适合上传多篇论文、报告、政策文件后做总结、对比和提炼；中文长文档阅读体验友好。
- 适合人群：文献综述、论文开题、资料整理、长报告阅读。
- 注意点：生成内容仍可能有“总结式幻觉”，关键结论要回看原文。
DeepSeek
- 优点：推理、数学、代码能力突出，性价比高，适合算法、实验设计、统计思路、代码报错分析。
- 适合人群：理工科学生、程序员、数据处理用户。
- 注意点：写作风格有时偏“推理腔”，直接放进论文容易显得模板化。
通义千问 / Qwen
- 优点：中文能力稳定，代码和开源生态较强，企业和开发者二次开发方便；适合办公写作、代码辅助、业务场景落地。
- 适合人群：开发者、企业用户、需要开源或私有化部署的团队。
- 注意点：不同版本能力差异较大，选型时要看具体场景。
文心一言
- 优点：中文语境理解自然，背靠百度搜索生态，适合中文资料查询、公文写作、日常方案、本土化表达。
- 适合人群：中文内容创作者、办公用户、传统专业学生。
- 注意点：学术深度和长链路推理要结合具体任务测试。
豆包
