六款免费 AI 应用同答 10 道英国问题：Claude 全对，Grok 仅答 12 次

有用户对 ChatGPT、Claude、Copilot、Gemini、Grok 和 Perplexity 免费版进行月度同题测试，每题在新会话中尝试三次并按官方来源判分。第二轮结果为 Claude 30/30、Copilot 29/30、Gemini 28/30、Perplexity 25/30、ChatGPT 23/30、Grok 6/30；Grok 有 18 次返回自身错误信息，实际仅作答 12 次。21 个错误中 18 个集中在两道题：跨英国 10 月时钟调整的夜班工时计算，以及一道内置错误前提的 Highway Code 鞋类题。

AI推荐理由 用户自建的横向评测，给出可复核的题量与逐题错误分布（如跨英国夏令时夜班工时计算、含错误前提的 Highway Code 鞋类题），并指出 Grok 多次返回自身错误信息；但样本仅 10 题、单一用户标注、非受控实验，不能据此推断模型整体能力。