一句话看懂：Android Police 用 20 封真假混合的亚马逊邮件和短信测试 Gemini、ChatGPT、Claude 免费版，三款模型初次判真伪全部正确，但在真实邮件上分歧明显，ChatGPT 是唯一每次都给出正确判断的。
事件核心：发生了什么
2026 年 11 月 15 日，Android Police 编辑 Haroun Adamu 发布了一项对比测试。他准备了 20 条消息：15 条模仿 FTC 与亚马逊警示过的骗局，包括虚假订单确认、Prime 续费威胁、退款钓鱼、伪装成招聘方的 WhatsApp 消息、礼品卡索要和索要密码的 Instagram 私信；另外 5 条则仿写真实亚马逊通知。Gemini、ChatGPT、Claude 的免费版在首次混合测试中全部判对，也没对正常消息误报，并都识别出 amazon.com.order-review[.]net 这类以真域名开头的伪链接。
但在逐条单独测试真实邮件时差距显现。一封来自 account-update@amazon.com 的无链接登录提醒，ChatGPT 每次判为正常，并建议通过邮件头、亚马逊 Message Center 或 verify@amazon.com 核验；Gemini 先说不确定，第二次直接判为钓鱼，还把登录地点称作恐吓手段；Claude 则由不确定转为可疑。在“已点击链接并输入密码和卡号”的应急场景中，Gemini 清单最全但以“立即财务风险”开头，ChatGPT 先强调别慌，并提醒检查邮箱转发规则。
为什么重要
这类测试的价值不在于给模型排座次，而在于揭示一个现实：模型在结构化、模式明显的骗局上表现可靠，一旦面对缺少明显特征的真实通知，判断会受表述方式、上下文和单轮对话设置影响。目前公开信息显示，测试仅限免费版、20 条样本和特定提示条件，结果不能当作长期性能排名。对 AI 应用开发者而言，这意味着把大模型用于反钓鱼审核时，需要搭配域名校验、邮件头解析和官方核验渠道，不能只依赖单次推理结论。
对用户/开发者/创作者的影响
普通用户可以把聊天机器人当作辅助筛查工具，但遇到“账户异常”“退款待处理”类邮件，仍应回到亚马逊官方应用或 Message Center 核实，不要依据模型结论直接点链接。开发者若构建邮件安全类 AI 应用，应把模型输出设计成带置信度的提示，而不是直接给“诈骗/正常”的二元结论。创作者引用此类测评时，也需注明样本规模和测试日期，避免把一次性结果放大成通用能力结论。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是三家模型在联网检索和官方核验渠道接入上的差异，是否会让同类判断趋于一致；二是免费版与付费版在长上下文、多轮追问下的表现差距；三是亚马逊等平台是否会把 AI 辅助核验整合进举报与账户安全流程。
