高雄市長候選人激辯 誰的表現更好 讓主流ＡＩ幫候選人打分數

先說清楚這是什麼、不是什麼

10 月 30 日晚上，高雄市長候選人柯志恩與賴瑞隆在民視、中天、公視台語台聯合主辦的電視辯論會交鋒，約一個半小時。這是本站「AI 評時事」的第二場辯論評分，這場其實比隔天（10 月 31 日）的台北場更早舉行，只是我們先做了台北場；方法完全一樣，所以兩場可以對照。

做法：同一份逐字稿、同一張評分表，交給三家公司的模型各打三次分——Anthropic 的 Claude Sonnet 5.5、OpenAI 的 GPT-5.5、Google 的 Gemini 4 Argon。評分表用的是一般辯論比賽的面向，不是政治立場；兩位候選人在送進模型前匿名為「甲」「乙」，而且每次隨機對調，模型不知道誰是誰，也拿不到他們的黨籍、民調或過往形象。所有的提示詞、評分表、九次原始回覆全部公開。

這不是民調，不是支持度，不預測選舉結果。它回答的只有一個問題：單看這一個半小時的辯論內容，依照辯論比賽通用的標準，誰講得比較好。

結果：三家一致的地方，和不一致的地方

五個面向的分數（四個階段、每家三次的平均；1 到 10 分）：

三家雲端平均（四階段、九次）

Anthropic／claude-sonnet-5-5

OpenAI／gpt-5.5

Google／gemini-4-argon

Alibaba（地端 Ollama）／qwen3.8:27b-32k（地端參考）

Alibaba（地端 llama.cpp）／Qwen3.8-Flash-Next-180B（地端參考）

三家模型在方向上大致一致，但一致的程度不如台北場：

• 論點清晰與證據與事實是賴瑞隆分數高出最多的兩項（各 +1.1、+1.2）。三家都提到賴瑞隆全場以財劃法為主軸、數字密集而且反覆：計畫型補助款「從去年的 498 億降到 334 億、明年只剩 210 億」、高雄與台北分配款差距「從 194 億擴大到 390 億、明年 431 億」，以及賴瑞隆列出的建設經費（大林蒲遷村 800 億、紅線南延 533 億增至 800 億、小港機場新航廈 880 億）。三家選的「最有力的一段」有六次是這些數字。
• 表達與風度賴瑞隆高出 1.0 分。三家選出的柯志恩「最弱的一段」集中在兩句：「你就是一個新潮流的寶寶」（GPT-5.5 兩次）和結論裡「新潮流就是完全看不起我們高雄，派個二軍」（Gemini 三次），另外是交叉詰問開頭「你收了詐騙集團的錢又收了光電業者三百萬」（Claude、GPT-5.5 各一次）。賴瑞隆的最弱段落也集中：「不要再用這種抹黑攻擊的手段，這個很像國民黨慣用的一些手法」被 Claude 三次、Gemini 一次選中，三家都提到賴瑞隆「造謠抹黑」「重北輕南」重複太多次。
• 回應與交鋒是唯一柯志恩分數較高的面向，但只高 0.1，而且三家意見相反：Gemini 給柯志恩高 1.3 分，理由是「正面回應提問、攻防反應敏捷、能拆解對手數字」；Claude 和 GPT-5.5 反而各給賴瑞隆高 0.6 分，理由是柯志恩「常答非所問」「對財劃法首都 3% 的核心質疑只重複否認」。同一份逐字稿，三家對「有沒有回答問題」的判斷不同。
• 可行性兩人都低（5.0 對 5.5），是全場最低的面向。三家對柯志恩的評語都是「新設機構與大型建設缺乏財源與權責」「結構鬆散、可行性不足」，對賴瑞隆則是「政策預算與時程不足」「多以延續現任市府帶過」。

總分與判定：

三家的判定不像台北場那樣一致。Claude Sonnet 5.5 和 GPT-5.5 三次都判賴瑞隆勝，而且給柯志恩的總分三次都是 5 分，是兩場辯論四位候選人裡最低的；Gemini 4 Argon 給兩人都是 7 分上下，兩次平手、一次柯志恩以 7.4 對 7.2 小勝。平均下來是賴瑞隆 6.7 對柯志恩 5.7，但柯志恩的標準差 1.0 比賴瑞隆的 0.5 大一倍，意思是三家對柯志恩的看法分歧比對賴瑞隆大。

各階段：

申論

媒體提問

交叉詰問

結論

階段的樣子很清楚：申論與結論是賴瑞隆的場子，五個面向全部高出，結論階段的論點清晰與表達與風度各高出 1.9 分、證據高出 1.8 分——三家都提到賴瑞隆結辯「結構完整、數字密集、感性收尾」，而柯志恩放掉講稿改為回應對手，被三家評為「鬆散」「標籤化」。媒體提問是柯志恩唯一在回應與交鋒上明顯較高的階段（6.3 對 5.3），三家都提到賴瑞隆在這一階段「多次迴避核心問題」「重複既有稿件」。交叉詰問兩人都掉到最低：可行性同為 4.6，柯志恩的表達與風度 4.3 是全場最低的一格，賴瑞隆的回應與交鋒 5.6 也是賴瑞隆的最低——這個階段兩人都在攻擊而不是回答。

評審的話（匿名評分後還原姓名，節錄）：

• Claude：「願景與換黨輪替主軸明確，機場、基金、辦公室等構想有提出，也有統籌款增加的數字回應。但常答非所問，對財劃法、首都 3% 的核心質疑只重複否認，詰問時指控缺乏聚焦，表達鬆散。」／「全程以財劃法三不公為主軸，數字具體，政見分三項易複述，也持續追打對方立場。缺點是過度重複『造謠抹黑』『重北輕南』，對派系與政治獻金質疑多以辯解帶過，政策預算與時程不足。」
• GPT-5.5：「攻防積極且有部分在地議題，但結構鬆散、可行性不足，人身與派系攻擊過多。」／「政策與數字較完整，結構清楚；但多次貼標籤、部分問題未正面回答。」
• Gemini：「正面回應提問，攻防反應敏捷，能具體點出市政痛點與對手矛盾；惟部分新設機構與大型建設缺乏具體財源與權責規劃，偶有情緒化標籤。」／「政策架構完整，引用大量具體預算數據展現市政熟稔度，結辯感性有力；但在提問與詰問階段多次迴避核心問題，重複陷入單一法案攻防。」

費用：

地端參考組：兩個開源 Qwen 的看法

三家雲端之外，我們也讓本站自己機器上的兩個開源模型用同一套提示評分，當作「如果不花錢、不把逐字稿送出去，會得到什麼」的參考，不計入三家的平均：

• Qwen3.8-Flash-Next-180B（阿里巴巴開源，本站 GB10 主機上以 llama.cpp 執行，也是本站產線的撰稿模型）：三次裡兩次成功、一次兩回都輸出壞掉的 JSON；兩次都判賴瑞隆勝，總分 7 對 4 與 7 對 5。評語：「論點有情感與部分數據，但政策細節不足，交鋒多情緒攻擊，結論散亂」／「結構清楚、數據與案例較具體，政策方向明確且交鋒較能反駁，惟部分指控與延續性仍待細化」。
• Qwen3.8 27B（同系列小模型，本站 RTX A6000 上以 Ollama 執行）：兩次判賴瑞隆勝（7 對 5）、一次平手（6 對 6）。平手那次的評語和 Gemini 很像：「個人敘事與情感連結較強，天坑與派系追問有鋒芒，但政策細節與預算時程較空泛」／「政策框架與數據引用較扎實，但語氣過於攻擊性，『造謠抹黑』重複八次以上，部分回答迴避提問核心」。

兩個地端模型的方向和 Claude、GPT-5.5 一致，不像 Gemini；給柯志恩的分數也落在 Claude 與 GPT-5.5 那一側。穩定度和上一場相同——180B 三次有一次格式失敗，27B 每次要兩分多鐘，三家雲端一次 6 到 36 秒。地端模型的費用是 0，三家雲端加切段合計 1.02 美元，比台北場的 1.20 美元少，因為這一場的逐字稿短了四成。

從選舉的角度看這些分數

分數本身不會決定選舉，但它把兩個人在這一個半小時裡端出來的東西拆開了，拆開之後能看到幾件和選戰有關的事。

賴瑞隆打的是「延續＋財劃法」牌，三家模型在證據項都買單。 賴瑞隆的策略很單一：把財劃法的分配數字講到每個人都記得，再把過去四任市長的建設排成接力棒，自稱「關鍵第四棒」。三家選賴瑞隆「最有力的一段」幾乎全是財劃法的數字，證據與事實在申論 8.0、結論 7.8，和台北場蔣萬安申論的 8.0 並列兩場最高。對一個執政黨的接棒者，這是最自然的訴求：政績是現成的，對手在立法院的表決紀錄也是現成的。這一塊的目標選民是對現任市府滿意、擔心換人換掉建設的人，辯論替賴瑞隆鞏固了這群人。

但單一主軸的代價也是三家一致的。 三家都用了「重複」這個詞：「造謠抹黑」「重北輕南」「心中只有黨意」反覆出現，交叉詰問被問到政治獻金、用人、派系時以「抹黑」帶過而不是正面回答，媒體提問「重複既有稿件」。回應與交鋒 6.0 是賴瑞隆五個面向裡最低的，媒體提問階段只有 5.3。對賴瑞隆來說，下一場的題目是：財劃法可以講，但被問到自己的事情時要先回答再反擊，否則在中間選民眼裡「迴避」會抵銷「數字多」的好處。

柯志恩打的是「換黨輪替＋監督」牌，三家都看見了這套攻擊的力道，但只有 Gemini 給分。 柯志恩交叉詰問的選題——政治獻金、後援會人選、天坑、6000 億重複計算——Gemini 評為「能具體點出市政痛點與對手矛盾」，Claude 也承認柯志恩「善於抓住對手的弱點」。問題在於同一批段落被三家列為「最弱」：「新潮流的寶寶」「派個二軍」「收了詐騙集團的錢」。對基本盤這些話有感，對柯志恩這場明顯要爭取的「對市府不滿但不一定投國民黨」的選民是風險——柯志恩的政策牌（反霸凌辦公室、演唱會經濟落地、AI 算力與市政專區）三家都提到了，但也都說「缺乏財源、權責、時程」，可行性 5.0 是柯志恩最低的面向。

柯志恩放掉講稿的結論是整場最大的分歧點。 柯志恩結辯開頭說「我決定放掉我所有準備的講稿，好好來回應賴瑞隆」，三家對這個決定的評價一致是負面的：結論階段柯志恩的論點清晰 5.7、表達與風度 4.7，賴瑞隆是 7.6 和 6.6。即興回應在交鋒項有一點分數（6.8 對 6.6），但失去的是結構和收尾。對選戰的意義是：結辯是觀眾記憶最深的十分鐘，柯志恩把它用在攻擊而不是總結自己要做什麼。

三家的分歧比台北場大，這本身是訊息。 Claude 和 GPT-5.5 給柯志恩的總分是 5，判賴瑞隆三次全勝；Gemini 給兩人都是 7、判平手兩次。把三家放在一起看，這是一場「一方用數字和結構穩穩守住、另一方靠攻擊製造了交鋒但沒有把攻擊轉成自己的政策」的辯論。對選情的意義是：對已經有立場的人，這場辯論各自強化；對還在看「換人會不會更好」的人，柯志恩提供了換的理由，但沒有提供換了之後的具體圖像，而這正是柯志恩下一場要補的。

這些是從分數和評語推出來的觀察，不是預測。選舉還有四週，兩位都還有場合可以補短板；本站會用同一套方法評下一場。

和台北場對照

兩場的主辦單位、提問人、題目都不同，不能拿四位候選人互比；能比的是「同一套評分表看到的樣子」：

• 分數整體比台北場低。 台北場三家平均 7.4 對 6.7，高雄場 6.7 對 5.7；台北場的最低面向是沈伯洋的證據 5.9，高雄場兩人的可行性都在 5.5 以下。三家的評語差別也在這裡：台北場的評語多是「具體數字」「有步驟」，高雄場多是「重複」「鬆散」「缺乏財源」。
• 三家的一致性比台北場低。 台北場三家都判蔣萬安勝或平手、沒有相反結論；高雄場 Claude 與 GPT-5.5 判賴瑞隆三勝，Gemini 判平手兩次、柯志恩一次，而且在回應與交鋒這一項方向相反。
• Claude 的尺還是最嚴，Gemini 最寬。 兩場都是 Claude 給分最低、Gemini 最高；高雄場 Gemini 給兩人都是 7 分上下，和另外兩家差到 2 分。讀這類分數時，看三家的方向比看絕對值可靠。
• 交叉詰問都是分數最低的階段。 兩場的交叉詰問都出現全場最低的表達與風度格（台北蔣萬安 5.1、高雄柯志恩 4.3）；兩場都是提問的一方把時間用在貼標籤而不是追問，被三家扣分。
• 結論階段的走向相反。 台北場結論兩人的證據與可行性都掉到 5 分以下；高雄場賴瑞隆的結論反而是賴瑞隆全場最高的階段（證據 7.8），柯志恩的結論則是柯志恩自己最低的。

完整提示詞

評分用的系統提示（三家一字不差，和台北場相同，只有階段順序依這一場改為「申論、媒體提問、交叉詰問、結論」）：

你是辯論比賽的評審。下面是一場市長候選人電視辯論的逐字稿（語音辨識，可能有錯字），兩位候選人已匿名為「甲」「乙」。
請只根據逐字稿內容評分，不要猜測他們是誰，也不要使用你對任何政治人物的既有印象或立場。評分面向（每項 1 到 10 分，10 最好）：
- clarity 論點清晰：主張是否明確、有結構、聽眾能複述。
- evidence 證據與事實：有沒有具體數字、來源、案例；引用是否具體（不要求你查證真偽，但空泛口號要扣分）。
- engagement 回應與交鋒：有沒有正面回答對方與提問人的問題，還是問 A 答 B；反駁是否針對對方論點。
- feasibility 可行性：政策有沒有說怎麼做、預算、時程、權責；只喊目標不講方法要扣分。
- delivery 表達與風度：語言是否清楚，有無人身攻擊、貼標籤、搶話或違規。
每個階段（申論、媒體提問、交叉詰問、結論）分開打，再給整場總分（1–10，不是平均，是你的整體判斷）與 80 字內的理由，並各給一句「最有力的一段」與「最弱的一段」（引用逐字稿原句）。
輸出 JSON：
{"phases":{"申論":{"甲":{"clarity":n,"evidence":n,"engagement":n,"feasibility":n,"delivery":n},"乙":{...}}, ...},
 "overall":{"甲":{"score":n,"reason":"...","best":"...","worst":"..."},"乙":{...}},
 "winner":"甲"|"乙"|"平手"}
只輸出 JSON。

使用者訊息只有一行開頭「逐字稿（兩位候選人匿名為甲、乙）：」，後面接整份切好段的逐字稿，格式是：

## 階段：申論
主持人：……
甲：……
乙：……
## 階段：媒體提問
……

送進模型前，以下字串一律替換成「甲」或「乙」（含語音辨識的錯字變體，稱謂「委員」「老師」保留）：

柯志恩：柯[志智治哲真正][恩仁]|柯智仁|柯政委|柯(?=委員|候選人|先生|市長|老師|教授)
賴瑞隆：賴[瑞日睿][隆龍容榮園文]|賴(?=委員|候選人|先生|市長)

切段用的系統提示（只給 Claude，切完三家共用）：

你拿到的是一場高雄市長候選人電視辯論的語音辨識逐字稿，每行開頭是秒數。請標出「發言人或階段改變」的時間點。
階段只有四種：申論、媒體提問、交叉詰問、結論。發言人只有：主持人、提問人、柯志恩、賴瑞隆。
判斷依據是主持人的口令（例如「請○○候選人進行申論」「接下來交叉詰問」「請媒體提問」「最後結論」）、計時鈴聲前後的轉換，以及上下文（候選人互相稱呼對方、自稱等）。這一場的順序是申論、媒體提問（兩位提問人各兩題）、交叉詰問（四題，詰問一分鐘、回答三分鐘）、結論。語音辨識常把「申論」寫成「聲論」、「交叉詰問」寫成「交互結問」或「交叉結問」、「柯志恩」寫成「柯智恩」、「賴瑞隆」寫成「賴日龍／賴日容」。辯論正式開始前（主持人宣布「辯論會正式開始」之前）的候選人聯訪、流程說明，以及結束後的記者會都不是辯論內容，phase 寫「其他」。
不要重抄逐字稿。只輸出每一次換人或換階段的那一行的秒數，以及從那一刻起的 phase 與 speaker。
輸出 JSON：{"marks":[{"start": 秒數(整數), "phase": "...", "speaker": "..."}, ...]}，依時間排序，第一筆從 0 秒開始（開場是主持人、階段寫「申論」前的開場也算「申論」；辯論前後的聯訪、廣告不是辯論內容，phase 寫「其他」）。只輸出 JSON。

API 參數：Claude max_tokens 8000、其餘預設；GPT-5.5 預設；Gemini temperature 0.3、要求 JSON 輸出；沒有開啟搜尋或任何工具。每家各跑三次，第一與第三次「甲」是柯志恩，第二次對調。

怎麼做的

逐字稿。 來源是主辦單位民視在 YouTube 上的官方直播存檔（1 小時 57 分鐘，含辯論前後的聯訪），本站用 Whisper large-v3-turbo 轉成文字，再由模型依主持人的口令切成四個階段、標上發言人；辯論前後的聯訪不送評。語音辨識有錯字，我們不修，三家模型拿到的是同一份。

匿名與對調。 送進模型前，「柯志恩」一律換成「甲」或「乙」，「賴瑞隆」換成另一個，連候選人互相稱呼對方的名字也換掉；每一次評分隨機決定誰是甲，三次裡至少對調一次，用來抵銷模型對「甲」或「乙」這個位置本身可能有的偏好。

評分表。 四個階段（申論、媒體提問、交叉詰問、結論）各自打分，每階段五個面向，各 1 到 10 分：

最後再給整場總分（1 到 10，是整體判斷、不是平均）、80 字理由、各引一句「最有力的一段」與「最弱的一段」，以及勝負判定。

模型與次數。 三家各跑三次，共九次；表格給平均與標準差，標準差大代表同一個模型自己也不太確定。模型版本：claude-sonnet-5-5、gpt-5.5、gemini-4-argon，都用各家 API 的預設設定，沒有開搜尋、沒有給任何背景資料。

公開什麼。 評分程式、提示詞、逐字稿切段結果、九次原始 JSON 回覆都放在本站程式庫 ops/lab/debate；文章裡的每個數字都能回溯到那裡。

限制

• 語音辨識的錯字會影響「證據與事實」那一項：數字聽錯了，模型就會以為候選人講錯。這一場的語音辨識錯字比台北場多（人名、地名、法案名都有），我們抽查過幾段，整體可讀，但這是系統性的誤差來源。本文引用的段落已依多家報導把人名與用語校正回原話（「大林浦千春」→大林蒲遷村、「紅線南岩」→紅線南延、「林大華」→林岱樺、「鄭立文、傅崑奇」→鄭麗文、傅崐萁、「縱北侵南」→重北輕南、「黨議」→黨意、「避重九卿」→避重就輕、「205 冰工廠」→205 兵工廠、「燕朝的勒斯山」→燕巢垃圾山），送給模型評分的逐字稿則維持辨識原樣，沒有改。
• 模型只看文字，看不到表情、語氣、停頓；「表達與風度」只能從用字判斷。
• 匿名擋得住名字，擋不住內容：候選人談到自己的立委任內成績、所屬政黨或對方的黨時，模型可能猜得出誰是誰。我們沒有辦法完全排除這一層。
• 三家模型都是美國公司的產品，訓練資料裡對台灣政治的理解深淺不一；它們一致的地方比較可信，分歧的地方就是分歧。
• 兩場辯論的主辦單位、提問人、題目都不同，分數只能在同一場內比較兩位候選人；跨場比較只看「模型打分的樣子」，不比較四位候選人的高低。