Hi~ 我是 Eric！🚀
這是《AI 戰術大進擊》系列的中篇。
如果你還沒看上篇，可以先從這裡開始：
這一篇我不再重講規則背景與 Prompt 設計，而是直接進到最核心的比較：
- ChatGPT 的報告到底強在哪裡
- Gemini 的報告到底強在哪裡
- 兩份報告最大的差異，到底是隊伍名單，還是思考方式本身
ChatGPT 的報告風格：像一份寫給玩家的戰術教範
先講 ChatGPT。
它給我的第一印象非常鮮明：
這種風格，從它的結構就看得很明顯。
它的報告特別重視以下幾件事：
- 段落分明
- 隊伍定位清楚
- 開場邏輯明確
- 會給選出思路
- 會用圖表和流程輔助理解
這跟很多 AI 生成內容最大的差異在於：
它不是只把資料堆上來。
它有強員的「教學意圖」。
而且你這次更新後的 ChatGPT 報告，還多了一個很鮮明的特徵：
它不只像教學手冊，也很像一份版本定義很嚴格的研究報告。
它會先把時間講清楚、把規則講清楚、把資料基準講清楚，再開始談隊伍。
像報告一開頭，它就會先界定：
- 日期是
2026-04-13 - 規則集是
Regulation M-A - 賽季區間是
2026/04/08–2026/06/17 - 使用了
Pokémon Zone、Game8、Games.gg、Bulbapedia這類資料來源
這件事其實很重要。
因為《Pokémon Champions》這種題目，不是那種可以只靠既有記憶亂答的靜態知識題。
它牽涉到：
- 現行規則集
- 可用寶可夢池
- 當期使用率
- 現在主流雙打核心
- 新機制與舊體系怎麼接軌
而 ChatGPT 這次的做法，很明顯是在努力把「研究的時間點」固定下來。
這讓它的報告不只是比較好讀，也比較像一份可以回頭驗證脈絡的分析文件。
ChatGPT 比較像在做什麼？
如果要用一句話形容，我會說：
它關心的不只是隊伍本身強不強，而是：
- 這隊怎麼運作
- 你什麼時候該帶哪三隻
- 什麼情況先發哪隻比較穩
- 如果遇到某些對局，流程要怎麼走
這一點其實很符合很多玩家真正需要的東西。
因為大多數人卡住，往往不是卡在「不知道什麼寶可夢強」。
而是卡在：
- 我知道它強，但這隊到底怎麼玩？
- 我比賽一開始到底該帶誰？
- 我什麼時候該換？
- 這隊是磨血還是搶節奏？
而 ChatGPT 的回答，對這種需求特別友善。
ChatGPT 的優勢：結構化、可執行、對新手友善
從我整理出來的內容看，ChatGPT 這邊最大的優勢大概有四點。
1. 它很會把複雜問題「教學化」
這是它最穩定的長處。
像它在單打推薦裡，不只是說：
- 河馬獸很強
- 烈咬陸鯊很強
而是會把整個隊伍描述成一套節奏：
- 河馬獸首發
- 岩釘 + 哈欠逼換
- 透過磨血創造超級烈咬陸鯊的清場窗口
這種描述方式對讀者很重要，因為它不是在列資料，而是在傳遞操作框架。
而且它不只會講單打主流怎麼打.
它連對策隊也很有「教科書感」。
像它單打的反制思路，不是單純說「再拿一隊更強的互撞」。
它是直接用 超級皮可西（魔法鏡） 去點名 河馬獸 的核心節奏，等於從「反鋪場」這個結構問題切進去。
這種答案很像是在告訴你：
2. 它很重視「決策流程」
我很喜歡它在草稿中出現的那種流程感。
它會很自然地引導你去想：
- 這場是偏穩定起手，還是偏強勢壓制？
- 我要帶保險位，還是帶收尾位？
- 我是先搶節奏，還是先鋪場？
這種寫法會讓整份報告從「資料總結」提升成「對局指南」。
這點在雙打報告裡特別明顯。
它給的最強雙打隊，不只是列出強角而已，而是很清楚地在組一條完整節奏鏈：
熾焰咆哮虎搶第一回合節奏大狃拉與仆斬將軍撐住物理壓制與反威嚇風妖精或來悲粗茶處理速度控制超級花葉蒂負責終盤收束
連對策隊也不是亂塞針對角，而是很明顯圍繞：
美納斯（好勝）麒麟奇（尾甲）班基拉斯 + 龍頭地鼠超級耿鬼
去拆它自己前面建立的主流答案。
3. 它對文章閱讀體驗比較有意識
這也是我覺得 ChatGPT 在寫 blog 素材時很吃香的地方。
它做出來的內容天然就比較容易改寫成文章，因為：
- 結構比較清楚
- 比較知道哪裡該先講概念、哪裡該講細節
- 比較容易被轉成章節式內容
如果你今天的目標不是單純拿一隊去打，而是想把研究內容整理成一篇可讀的長文，那 ChatGPT 的初稿通常會讓你少做很多結構清理。
尤其這次更新後的版本，Executive Summary、Meta 綜述、配置表、Mermaid、優劣勢、替換選項 都很齊。
這讓它天然就很適合拿來當 blog 的骨架素材。
4. 它比較保守，也因此比較「穩」
從結果來看，ChatGPT 提出的隊伍比較偏經典、偏穩定、偏主流。
這種保守，不一定代表它比較差。
很多時候恰恰相反。
因為在一個剛開服、Meta 還在快速變動的環境裡，太激進的答案反而可能踩空。
ChatGPT 的風格，會更像是在說：
這種答案，對真正想上分的人其實很實用。
ChatGPT 的弱點：有時太像「標準答案機器」
但它也不是沒有缺點。
它最大的問題，反而跟它的優點是一體兩面：
這導致它在某些地方看起來會比較沒那麼銳利。
例如：
- 它比較不會主動押一些很反主流、但可能很有洞察力的對策
- 它有時候會傾向選擇「大家應該都會接受的穩妥配置」
- 它的創新性通常不會衝得太前面
而且它雖然引用很多、定義很多、看起來很完整，但有時也會因此更像一份「標準研究模板」。
換句話說，它非常擅長：
- 先把規則講對
- 先把來源補齊
- 再從主流裡推出最穩妥的構築
但你如果期待的是那種：
「這個答案真夠怪，但越想越有道理」
那 Gemini 比較容易給你這種感覺。
換句話說，ChatGPT 的報告很像是：
一位成熟、很可靠、但不太愛冒險的教練。
你跟著他走，通常不會錯得太離譜。
但你要從他身上看到那種「這點我真的沒想到」的驚喜感，機率就比較低。
Gemini 的報告風格：像一份偏研究員氣質的 Meta 情報簡報
再來講 Gemini。
Gemini 給我的感覺，和 ChatGPT 很不一樣。
如果 ChatGPT 比較像戰術顧問，那 Gemini 更像是：
它沒有那麼在意你是不是新手。
它比較在意的是：
- 這個環境的數值最優解在哪裡
- 哪些主流習慣其實可以被針對
- 有沒有什麼角色能對主流機制造成反利用
- 哪些組合在理論上最有壓迫力
Gemini 比較像在做什麼？
它比較像在回答這個問題：
因此它的報告裡，你會比較容易看到這類東西：
- 反威嚇
- 反空間
- 利用極限 SP 點法壓出最大輸出
- 特定 Mega 特性的價值放大
- 不是純主流，但很有針對性的配置
這就是為什麼 Gemini 看起來會比較有「情資感」。
它不像在帶你上課。
它比較像在丟給你一份：
「這是目前環境的破口，這是我覺得最值得利用的刀法。」
而且這次在你更新後的 Gemini 報告裡，這種風格其實變得更明顯，也更具體。
它不是隨便丟幾個門點子就結束。
它其實是先用很穩的主流骨架站穩，再從對策位切進去。
許多跟 ChatGPT 不一樣的是，Gemini 這份更新後的完整報告，讀起來更像一篇一口氣寫完的戰術分析長文。
它沒有那麼強烈地一直提醒你「我現在引用了哪些網站、哪些統計頁」。
它比較像是直接把研究消化完，然後用一種很流暢、偏戰報式的寫法把結論講出來。
所以兩者最大的差別之一，其實也可以說是：
ChatGPT比較像「有完整註腳意識的研究報告」Gemini比較像「已經把研究內化後寫出的戰術評論文」
例如它給出的最強單打隊，並不是什麼純 gimmick，而是很典型的：
河馬獸 + 烈咬陸鯊沙暴平衡核心- 再補上
魔幻假面喵、鋁鋼橋龍、謎擬Q、三首惡龍
這代表它知道什麼叫做「先承認主流，再研究如何拆主流」。
而它真正有辨識度的地方，反而是在對策隊。
像單打反制隊，它不是單純拿另一隊熱門角色互毆，而是直接抓住：
- 沙暴核心怕被蓋天氣
- 聯防怕被高爆發物理點名
- 節奏隊怕被屏障拖慢擊殺效率
所以它丟出的是 阿羅拉九尾 + 超級寶石海星 + 象牙豬 這種帶有強烈反 Meta 意圖的組法。
到了雙打也一樣。
它的主流雙打答案，是很標準、很成熟的 熾焰咆哮虎 + 仆斬將軍 + 大嘴鷗 + 鋁鋼橋龍 結構，再往後接上 斯魔茶 與 超級快龍 這種很強調天氣特攻收束的終盤設計。
但它的雙打對策隊，就立刻把重點轉成：
好勝美納斯反威嚇班基拉斯反蓋雨天龍頭地鼠承接沙暴節奏超級大竺葵以Mega Sol強行改寫輸出條件
這種寫法很能看出 Gemini 的思維不是「把常見強角再排一遍」。
它是在找：
Gemini 的優勢：更敏銳的針對思維與更強的對策感
我覺得 Gemini 這次最亮眼的地方，有四個。
1. 它比較會抓「機制反利用」
這是我很喜歡的一點。
例如它對於：
好勝不服輸- 天氣覆蓋
- 特殊 Mega 特性的規則外收益
這類機制的重視程度，明顯比 ChatGPT 更高。
這代表它不是只在想「什麼角色很強」。
它是在想：
這是一種更接近高端對戰思維的東西。
因為真正的競技環境演化，很多時候不是比誰更會堆強角，而是比誰更早發現主流結構的脆弱點。
2. 它更會把主流與反主流接成一條完整推理鏈
這一點我覺得是更新版報告裡最值得肯定的地方。
它不是只會說：
- 這隊很強
- 那隊能剋它
它會把兩者之間的因果講出來。
像它的單打邏輯就很完整：
- 先承認沙暴平衡是穩定主流
- 再指出雪天與屏障有機會把節奏搶回來
- 最後補上一隻
大力士的超級寶石海星直接拆核心
雙打也是同樣的思路：
- 先承認威嚇輪轉與雨天是成熟答案
- 再從威嚇觸發、天氣覆蓋、速度線反制三個點一起下手
這會讓人感覺它不像只是在列舉答案。
它是真的有在跑一輪「主流成立 -> 弱點外露 -> 對策成形」的推演。
3. 它比較敢押有記憶點的機制答案
Gemini 很明顯更喜歡那種：
32 / 32 / 2- 高度明確的極限點法
- 直接把角色推到單一功能上限
- 讓某個特殊特性成為整隊的爆點
這種風格會讓它的隊伍看起來更像一種「已經有假想敵」的構築。
不是廣泛平均，而是有攻擊意圖。
這種答案，對老玩家會很有吸引力。
因為老玩家通常不是缺一套穩的隊伍，而是想找：
- 更強的破口
- 更有效率的針對
- 更不容易被主流猜到的對策
像 大力士 的 超級寶石海星，或 Mega Sol 的 超級大竺葵，就都是很典型的例子.
它們不一定是每個玩家第一眼都會想到的答案。
但一旦你接受它的推理前提，就會覺得：
「這不是亂選，這是很刻意地拿來打某種結構的。」
4. 它比較容易產生「有驚喜感」的答案
像我在看 Gemini 報告時，會比較常出現那種：
「喔，這個切入點有意思。」
這不代表它一定比較正確。
但它比較容易產生值得你停下來想一想的答案。
這點其實非常珍貴。
因為 AI 真正的價值，不應該只是幫你輸出一份格式整齊的現成答案。
它更重要的價值，是幫你打開新的觀察角度。
而 Gemini 在這部分，這次的表現確實比較突出。
Gemini 的弱點：研究感強，但可用性有時沒那麼「落地」
但 Gemini 的問題也很明顯。
即使這次更新後的 Gemini 報告，已經明顯比先前更完整，像是：
- 有完整的隊伍表格
- 有成員戰術解讀
- 有 Lead 建議
- 甚至已經能畫出決策流程
它的內容還是常常會有一種：
論點很有意思，但你要自己補最後一段落地操作。
這種感覺。
也就是說，它比較擅長：
- 告訴你方向
- 告訴你這裡有破口
- 告訴你這個機制值得利用
但它未必總是同樣重視：
- 這套隊伍實際怎麼展開
- 玩家第一回合該怎麼做
- 什麼情況要保守、什麼情況該冒進
- 對新手而言這隊到底容不容易上手
也就是說，Gemini 現在已經不只是研究筆記。
它其實已經是能用的報告。
但它最強的地方，仍然不是「一步一步手把手教你操作」，而是「先幫你找到值得贏的方向」。
所以如果你今天的需求是：
那麼 Gemini 給你的答案，可能會比 ChatGPT 更需要二次加工。
你要自己把它從「研究結論」翻譯成「對局流程」。
這件事不是缺點到不能接受。
但它確實是一個差異。
兩份報告最大的差異，不在寶可夢名單，而在「思考姿態」
這是我做完最想講的一句話。
很多人比較 AI 報告時，會先看：
- 誰推的寶可夢比較強
- 誰的隊伍比較像主流
- 誰列的配置比較完整
但我覺得真正更有意思的，是看兩個 AI 的「思考姿態」。
因為你會發現，它們不是只在給不同答案。
它們根本是在用不同的方式理解問題。
ChatGPT 的姿態
ChatGPT 比較像：
它的關心重點比較像：
- 這套隊伍能不能穩定執行
- 玩家能不能理解
- 報告是不是容易吸收
- 答案是不是有高泛用性
Gemini 的姿態
Gemini 比較像：
它的重點比較像：
- 哪裡有破綻
- 哪些主流可以被反利用
- 什麼配置在理論上更極端、更具壓制力
- 如何讓答案帶有對策上的槓桿
這也是為什麼我最後不太想把這次實驗簡化成：
- A 贏 B
- 或 B 贏 A
因為這種比較方式太粗糙了。
更接近事實的說法應該是：
而這兩種角色，對玩家其實都很有價值。
如果你真的想把 AI 生成的隊伍拿去打，該怎麼用？
這裡我很想提醒一件事：
不要把 AI 的報告當成神諭。
要把它當成：
因為再怎麼好的 Deep Research，都還是有幾個無法迴避的限制。
1. 新遊戲資料本身就還在變
《Pokémon Champions》不是一個成熟十年的舊版本。
它的規則、可用內容、主流理解、社群共識，都還在形成中。
這代表 AI 就算再努力查資料，它接觸到的也可能是：
- 早期觀察
- 社群推測
- 尚未完全穩定的 Meta 共識
所以你不能要求它給你一份像「第九世代某個成熟賽季」那樣的終極答案。
2. AI 很會整理，但不一定總能驗證
這是 Deep Research 很容易讓人產生錯覺的地方。
因為它整理得很像真的。
當一份報告：
- 有結構
- 有章節
- 有邏輯
- 有看似合理的對策
人很容易就會自動把它視為「已驗證事實」。
但這其實不是一回事。
AI 強在：
- 搜索
- 比對
- 彙整
- 推理
但它不一定真的有辦法像你打了幾十場天梯那樣，親自驗證「這隊在實戰中的手感」。
所以真正穩的做法是：
- 先用 AI 幫你做第一輪研究
- 從它的答案裡挑出 1 到 2 套你覺得最合理的
- 自己實戰、自己修招、自己調選出
3. 最值得相信的不是「單一隊伍」，而是 AI 幫你整理出來的框架
我自己做完這次比較後，最大的感想是：
最有價值的，不是 AI 推的某一支具體隊伍。
而是它幫你建立的：
- 組隊框架
- 對局視角
- 主流理解
- 對策思路
隊伍可以改。
招式可以換。
角色可以替代。
但如果 AI 能幫你更快掌握：
- 哪個環境重視控速
- 哪個環境重視威嚇
- 哪個環境怕反威嚇
- 哪個環境的主流節奏是逼換還是面壓
那它就已經非常有價值了。
真正讓我驚訝的，不是誰比較強，而是 AI 已經能研究到這個程度
我在做這次實驗前，預期 AI 大概可以做到：
- 幫我整理規則
- 幫我列出幾個常見角色
- 幫我做出「像樣」的推薦
但真正看完兩份報告之後，我覺得最有感的是：
它會開始思考：
- 這不是單一角色問題，而是隊伍結構問題
- 這不是最強答案問題，而是主流與反主流的互動問題
- 這不是列知識點問題，而是如何把知識組成一套可操作的邏輯
這件事其實很值得注意。
因為當 AI 可以把遊戲 Meta 這種高動態、半結構化、又高度依賴經驗的題目做到這種程度時，它在其他領域能做的事情，也會更值得期待。
例如：
- 產品競品研究
- 技術選型分析
- 產業情報整理
- 投資主題脈絡比較
- 法規版本差異比對
這些題目和遊戲 Meta 的本質，其實很像。
都是：
- 資料很多
- 版本會變
- 單一來源不夠
- 需要交叉比對
- 最後要形成可執行觀點
而 Deep Research，正好是拿來做這件事的。
結論：如果你想要「最好抄的答案」，找 ChatGPT；如果你想找「最有意思的切入點」，看 Gemini
最後，我想把這次的觀察收斂成一個比較務實的結論。
如果你的需求是：
- 我想快速理解環境
- 我想拿到一份結構清楚的隊伍說明
- 我想知道這隊怎麼帶、怎麼打、怎麼開局
- 我希望報告能直接作為文章素材或對局指南
那麼：
如果你的需求是：
- 我想知道這個環境的破口在哪
- 我想找反主流、反威嚇、反空間之類的切入點
- 我想看更有針對性、更有鋒芒的構築思路
- 我願意自己再做一層實戰轉譯
那麼：
而如果你問我這次最推薦的用法是什麼？
我的答案其實是：
很認真。
因為它們的優勢剛好互補。
我自己最喜歡的使用方式會是：
- 先用
ChatGPT Deep Research建立整體框架與隊伍操作邏輯 - 再用
Gemini Deep Research去挖潛在對策點與反主流切口 - 最後由自己根據實戰手感做微調
這樣的組合，會比單押其中一個模型更強。
最後一個感想：寶可夢，可能是觀察 AI 推理能力最好的試驗場之一
做完這次比較之後，我反而更確定了一件事：
寶可夢不是一個「只是好玩」的題材。
它反而是一個非常適合拿來觀察 AI 的題目。
因為它足夠有資料、足夠有規則、足夠有歷史、又足夠有變動。
它既不是全然的硬科學，也不是純感性的藝術評論。
它介於兩者之間：
- 有大量結構化知識
- 有很高的推理空間
- 有真實的對局應用
- 有可驗證的結果
這種題目對 AI 來說，既公平，又殘酷。
因為你很快就能看出它到底是在「整理資料」，還是在「真正理解問題」。
而這次的實驗，至少讓我看到一件事：
它還不完美。 它還不能取代真正有經驗的玩家。 它還是會有資訊偏差、上下文誤判、甚至配置過度理想化的問題。
但它已經足夠強到可以成為你的研究副手、構築顧問與思路放大器。
這就很值得玩了。
系列下一篇
如果你想直接看最後整理好的 8 支隊伍名單，我把它們獨立拆成下篇，方便玩家直接對照與抄作：