资讯应用与案例··来源: Techradar·原文 →

ChatGPT 与 Siri AI 健身计划实测:哪个更懂增肌训练?

TechRadar 编辑实测用 ChatGPT 和苹果新版 Siri AI 生成居家增肌计划,并请专业私教评估。结果显示 ChatGPT 在训练频次、渐进逻辑和营养建议上更完善,而 Siri AI 虽简洁但缺乏长期规划。测试揭示当前 AI 健身指导的实用性与局限性。

ChatGPT 与 Siri AI 健身计划实测:哪个更懂增肌训练?
[广告位 · 上线后接 AdSense]

实测背景:当健身遇到 AI 助手

一位有多年居家力量训练经验的 36 岁科技编辑,因为训练计划陷入“机械重复”(固定 10 个动作、3 组 8 次、30 分钟)而缺乏进步感。他决定用 苹果刚发布的新版 Siri AI(基于 Google Gemini 大模型的早期 Beta 版)和 ChatGPT 各生成一份增肌计划,并邀请职业私人教练 Scott Laidler 评估两者的质量。

测试采用统一 Prompt:要求针对“36 岁男性、体能良好、目标增肌(Hypertrophy)、仅用哑铃、居家办公室环境、单次不超过 45 分钟”生成三天训练计划,并说明每周重复频次和休息日安排。关键约束:不追加任何补充提问,模拟普通用户单次交互场景。


Siri AI 方案:简洁但浅尝辄止

计划结构 Siri 给出经典的 Push-Pull-Legs 分化:

  • Push 日(胸/肩/三头)
  • Pull 日(背/二头/后束)
  • 腿部+核心日

每个动作统一 3 组 × 8-12 次,组间休息 60-90 秒,并建议“渐进超负荷”(逐步增加哑铃重量或自重动作难度)。每个动作附带简短执行说明。

实测体验 编辑完成首日训练后明显感到强度高于旧计划,但实际用时仅 25 分钟,远低于目标 45 分钟。此外,计划缺失热身环节和营养建议

私教点评 Laidler 认可其“简单易懂、器材替代方案合理”,但指出致命缺陷:

  • 每周每肌群仅训练一次,不符合增肌最优频次
  • 无长期迭代逻辑:“几个月后效果递减时该怎么办?计划没说,用户可能受挫”
  • 适合短期(数月)而非年度目标

ChatGPT 方案:详尽但略显冗长

计划特点

  • 开篇解释训练优先级,建议用 RIR(Reps in Reserve,保留次数) 判断负重
  • 提供每周时间表和 热身流程
  • 每个动作标注目标肌群,但未说明具体执行方法(潜在受伤风险,此点不如 Siri)
  • 结尾包含 渐进策略、恢复指南、营养摄入建议 及“为何这样分化有效”的原理解释

私教点评 Laidler 明确表示“ChatGPT 的方案明显更优”:

  • 大多数肌群每周训练两次,符合运动科学文献对增肌的推荐频次
  • 每个动作的组数不同(而非 Siri 的“一刀切 3 组”),更贴合实际训练需求
  • 包含热身和真正的渐进逻辑
  • RIR 概念帮助用户自主判断负重,避免过度或不足

核心差异:训练频次决定增肌效率

最关键分歧在于 每周肌群刺激次数

  • Siri:每肌群 1 次/周
  • ChatGPT:多数肌群 2 次/周

通常认为,自然增肌者在每周两次刺激同一肌群时,蛋白质合成窗口利用更充分。Siri 的低频方案可能延缓进步速度。

共同问题:两者均未解决“计划老化”——当身体适应后(通常数月),用户需重新生成计划,但 AI 未主动提示这一周期性需求。


中国用户注意事项

  1. Siri AI 版本差异:测试基于苹果 WWDC 2024 发布的 Gemini 版 Siri 早期 Beta,中国大陆正式版功能和模型可能不同
  2. ChatGPT 访问:需合规网络环境
  3. 专业验证必要性:AI 生成的计划应由持证教练或运动医学专家审核,特别是有伤病史者
  4. 器材本地化:原文场景为“小型家庭办公室+哑铃”,国内用户可根据实际调整(如增加弹力带、壶铃等)

本文基于 GNews:TechRadar 报道, 由 AiDuo123 AI 编辑翻译改写。原文链接: https://www.techradar.com/health-fitness/i-asked-chatgpt-and-siri-ai-to-build-me-a-workout-plan-and-there-was-only-one-winner

常见问题

为什么 ChatGPT 的增肌计划比 Siri 更好?
核心差异是训练频次:ChatGPT 让多数肌群每周训练两次,符合运动科学对自然增肌者的推荐;Siri 每肌群仅练一次,可能降低效率。此外 ChatGPT 包含热身、营养建议和渐进逻辑,而 Siri 缺失这些要素。
AI 生成的健身计划可以直接用吗?
建议先请持证私教或运动医学专家审核。原文测试显示,Siri 未说明动作执行方法(ChatGPT 也有此问题),存在受伤风险;且两者均未考虑个体伤病史、关节活动度等因素。AI 可作起点,但需专业验证。
这个测试用的 Siri AI 国内能用吗?
原文测试的是苹果 2024 年 WWDC 发布的 Gemini 版 Siri 早期 Beta。中国大陆正式版 Siri 的底层模型、功能范围可能不同,且部分 AI 功能受地区限制。建议以实际可用版本为准。
AI 健身计划多久需要更新?
原文私教指出,这类计划通常在'数月而非数年'后效果递减。一般而言,当连续 2-3 周无法实现渐进超负荷(如加重、增次)时,可能需要调整计划变量(动作、组数、频次等)。
居家增肌只用哑铃够吗?
原文场景证明可行,但效果取决于哑铃重量范围。通常建议可调节哑铃(至少能达到体重 50% 以上单侧重量)配合自重动作(如引体向上、双杠臂屈伸)。长期看,渐进超负荷可能需增加器材或调整训练变量。
[广告位 · 上线后接 AdSense]
标签:#Anthropic

相关 AI 工具

文中提到或相关的 AI 工具 — 点进去看适合谁、怎么用、值不值得折腾

浏览全部工具 →

同类资讯 — 由发布时间排序

谷歌 AI 社会影响计划:从疾病预测到灾害预警的全球实践

谷歌 AI 社会影响计划:从疾病预测到灾害预警的全球实践

谷歌在其官方博客中系统阐述了 AI 技术在社会领域的应用进展,涵盖疾病防治、自然灾害预测、教育普及和经济机会拓展四大方向。通过与全球社区和研究者合作,谷歌正将 AI 从理论研究转化为可测量的实际影响,包括利用卫星每 20 分钟扫描全球以捕捉汽车大小的山火,以及通过 Flood Hub 等工具预测洪水。

应用与案例谷歌
谷歌发布 AlphaGenome Atlas 等多项 AI 科学工具 覆盖 86% 全球人口语言支持

谷歌发布 AlphaGenome Atlas 等多项 AI 科学工具 覆盖 86% 全球人口语言支持

谷歌宣布其 AI 技术已支持 300 多种语言、覆盖全球 70 亿人口,并同步发布 AlphaGenome Atlas 基因图谱、WeatherNext 3 天气模型、全球危机预测引擎等科学工具。这些进展已在疾病检测、气候预测等领域落地应用,包括在刚果埃博拉疫情和英国航空减排中的实际部署。

应用与案例谷歌
TechCrunch Disrupt 2026 将探讨 AI 原型如何走向量产实战

TechCrunch Disrupt 2026 将探讨 AI 原型如何走向量产实战

TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山举行,其中"Real World AI Stage"环节聚焦 AI 原型到量产的关键挑战。来自空间光通信、自动驾驶和 AI 基础设施领域的三位创始人将分享从实验室到真实世界部署的实战经验,涵盖制造、基础设施和可靠性等核心问题。

应用与案例AI 智能体
OpenAI 与 Anthropic 能否放下竞争共促 AI 安全?行业分裂加剧模型竞赛

OpenAI 与 Anthropic 能否放下竞争共促 AI 安全?行业分裂加剧模型竞赛

OpenAI 和 Anthropic 之间的深层分歧正推动 AI 模型竞赛加速。从 Navier-Stokes 方程突破的归属之争,到五角大楼合作抢夺,两家公司在人才、技术和商业上全面对抗。尽管双方领导人罕见呼吁放缓 AI 发展,但实际行动中仍在竞相推出更强大模型,安全承诺也因竞争压力被削弱。

行业动态OpenAI