--- layout: post.njk source: https://yage.ai/share/chatgpt-claude-teachers-two-halves-20260717.html speaker: yage.ai title: |- ChatGPT 与 Claude 都开始服务教师，但只各做完了一半 date: '2026-07-17' summary: 文章对比了 ChatGPT for Teachers 和 Claude for Teachers 这两款面向教师的 AI 产品，分析了两者的差异点。OpenAI 侧重于提供学校层面的身份验证和管理能力（如 domain claiming、SAML SSO），而 Anthropic 则更侧重于提供课程标准查询和教学技能（Skills）等内容工作流支持。文章指出，两款产品都解决了教育中的入口问题，但最终能否影响学习效果取决于材料进入课堂后的反馈机制和学校治理的整合。 area: PAI category: ai-tooling tags: - teacher-ai - education-tech - workflow-automation - school-governance people: [] companies_orgs: - OpenAI - Anthropic products_models: - ChatGPT for Teachers - Claude for Teachers media_books: [] draft: true status: evergreen --- 2026 年 7 月 14 日，Anthropic 发布了 Claude for Teachers。距离 OpenAI 在 2025 年 11 月 19 日推出 ChatGPT for Teachers，正好过去约八个月。两款产品都面向通过验证的美国 K-12 教育工作者，都不向学生提供账号，也都承诺工作区里的输入和输出默认不用于模型训练。 表面看，这只是两家公司先后送给教师一个免费的聊天框。真正的差别藏在产品从哪里开始。OpenAI 先做了学校可以统一管理的工作区，至于什么算好教案，主要由教师和学区自己设定。Anthropic 先把课程标准和备课规则写进工作流，学区需要的身份、权限和管理功能则要等后续版本。 这两条路线恰好补上教师 AI 的两项必要条件：学校敢不敢让老师用，老师拿来以后能不能少做无效返工。但把两款产品合在一起，仍然缺了教育最关心的那一步：材料进入课堂以后，学生究竟学得怎么样，系统并不知道。 三个月前，我在《每个学生配一个 AI 老师，这就是 AI 教育的落地方向吗？》里提出，AI 在教育里的更大杠杆可能在教师和课程设计端，而非直接给每个学生配虚拟家教。两家公司这次都把账号先交给成人教师，说明这个入口正在成为产品共识。不过，它们也补出了我当时没有充分展开的两道门槛：好的材料工作流怎样进入学校的治理范围，课堂结果又怎样返回下一轮教学。 ## 教师端只是入口，学校里还有两笔成本 这里的“学区”不是中国读者熟悉的入学划片，而是美国公立 K-12 教育的一层地方治理机构。一个 school district 通常管理多所小学、初中和高中，由学区办公室统一负责预算、采购、账号体系、数据隐私和技术规范，校长与教师则在单所学校里落实教学。各州安排并不完全相同，但一款工具能否从个别教师尝试变成正式部署，决定权往往不只在学校，还在学区。 教师让 AI 改一份材料，首先要知道哪些资料可以上传。如果里面有学生姓名、测验分数或特殊教育信息，谁可以访问，学校能否统一收回账号，教师离职以后材料怎样处理，这些都不是一句“数据不用于训练”能够回答的。学区的技术和隐私团队需要管理身份、权限、数据和协作范围，才可能统一批准一款工具。 即使账号已经获批，备课本身也不会自动变轻松。通用聊天机器人不知道某个州五年级数学教到哪里，不知道一项标准下面还有哪些细分能力，也不知道同一个学习目标怎样给不同进度的学生提供支持。教师要自己找到这些背景，再逐项核对生成结果。如果每次都重新解释课程要求，初稿出来得再快，时间也可能在修改和返工中花回去。 OpenAI 和 Anthropic 分别先压低了其中一种成本。顺着这个区别看，两款产品为什么会采用不同的功能、合作与分发方式，就容易理解了。 ## OpenAI 先解决“能不能进学校” ChatGPT for Teachers 允许教师、学校职员、校级领导和学区管理员自行验证身份并创建工作区，也为学区提供了把散落账号重新纳入管理的路径。 按照官方指南，管理员可以认领本学区的邮箱域名，也就是 domain claiming，把用这些邮箱注册的账号归到同一个 managed workspace。SAML SSO 让教师使用学校身份登录，RBAC 决定不同角色能用哪些功能，analytics 则让管理员看到整个工作区的使用情况。个人教师可以先开始用，学区以后仍有办法把这些账号收进同一套规则里。 进入工作区以后，shared projects 可以让同事共同维护课程文件和项目背景，Custom GPTs 可以把校内常用的模板与规则保存下来。OpenAI 后来又把 Workspace Agents 放进 Teachers plan，教师可以把重复流程交给后台 Agent 运行。它目前仍是 research preview，长期任务成功率、人工接管和错误恢复都没有公开数据，不能当成已经成熟的学校自动化。 这些功能回答的是谁能用、在哪里协作、管理员怎样管。它们并不自动回答什么算一份好材料。ChatGPT for Teachers 默认没有 Claude 那套专用的 50 州标准图谱和公开教学 rubric，教师与学区需要通过文件、Custom GPTs 或 Agent 加入本地课程规则。强教研团队可以把自己的经验写进去；缺少这些经验的学校，也可能把一份看似完整、实际偏离学习目标的材料复用给更多人。 两款教师版 AI 解决学校采用的不同一半：ChatGPT for Teachers 先提供 domain claiming、SAML SSO、RBAC 和 analytics 等学区管理能力，Claude for Teachers 先提供 50 州标准、学习顺序与教学 Skills；前者缺少默认教学约束，后者缺少当前学区控制面。 ## Anthropic 先解决“进去以后按什么规则做” Claude for Teachers 先处理另一笔成本。它接入 Learning Commons，可以查询美国 50 州课程标准、标准下面的细分能力，以及这些能力通常按什么顺序学习。OpenSciEd 和 IM v.360 等课程资源也进入了这套查询范围。教师不必完全依赖模型记忆来猜标准和先修关系，但仍要检查查询与生成结果。 拿到标准以后，Claude 会按照内置的 Skills 组织任务。Anthropic 公开了 K-12 教师 Skills 仓库，目前正式内置的只有两个：lesson planning 负责从头准备一节课，lesson differentiation 负责调整已有材料。它们不只是一段提示词，还包括参考资料、执行步骤、guardrails、文档脚本和 rubric。 lesson differentiation 里有一条很具体的要求：给学习进度不同的学生增加或减少支持时，核心目标和认知难度不能跟着降低。这类规则能拦住一些常见的材料错误，也让外界有机会检查 Anthropic 所说的“教学对齐”究竟写成了什么。不过，rubric 检查的仍然是材料，正式 Skills 也只有两个。它没有证明教师采用这些材料以后，课堂效果一定更好。 Claude Cowork 又把任务扩展到多文件和周期工作，但它同样处在 research preview。更直接的限制来自学校治理。当前个人教师版不提供 domain claiming、SAML SSO、成员管理和 RBAC，学校与学区专用版本仍在开发。教师能够注册，不代表学区已经授权他上传学生数据；DPA 规定服务商如何处理数据，也不能代替学校内部的授权、审计与集中撤销。Claude 最有增量的场景往往需要更丰富的班级背景，产品当前最缺的恰好是管理这些背景的学区控制面。 ## 哪一款更成熟，要先问成熟在哪一层 合作名单很容易把产品覆盖、实际使用和教育效果混在一起。把证据按顺序排开会清楚很多：先是宣布开放，再是学校部署与培训，然后才是教师真的持续使用。更往上还要测教师是否客观省时、材料是否改善，最后才轮到学生学习结果。 OpenAI 发布时说，首批 16 个合作机构代表近 150,000 名 teachers and staff。这里的动词是“代表”。15 万是这些机构的人员范围，并非开通账号数、活跃用户数或培训完成人数。首批机构的实施进度也不一致，有的已经建立受管工作区，有的公开信息仍停在合作公告。 U-46 提供了目前少见的实际使用人数。根据 Chicago Tribune 的报道，当时有 756 名员工正在使用 ChatGPT for Teachers。47% 的用户回复了调查；在这些回复者中，超过 80% 至少每周使用数次，70% 以上自报每周节省 1-5 小时。 这组数字足以说明产品在一个学区越过了“有资格使用”，进入早期实际采用。它还不是留存或效果评估。调查只收到不到一半用户的回复，积极使用者更可能回答；节省时间来自回忆式自报；学生是否因此学得更好，报道没有提供数据。 Claude for Teachers 刚刚发布，目前能确认的是产品可用、标准查询和两个 Skills 可以检查。Prospect Schools 提供的是 early feedback，Detroit Public Schools Community District 宣布的是未来评估。冰岛试点、卢旺达合作与 Teach For All 网络能证明 Anthropic 在接触真实教育系统，但机会池、培训和合作不能换算成本产品的活跃用户。 更广的领域研究同样需要放回正确位置。Stanford SCALE 汇总的早期因果研究显示，面向教师的 AI 工具可能减少备课时间，同时维持材料质量。证据仍然不多，而且研究的不是 ChatGPT for Teachers 或 Claude for Teachers，更没有证明学生学习随之改善。 教师版 AI 的证据阶梯：ChatGPT for Teachers 已在 U-46 出现 756 名实际使用者，但尚无产品特异的教师客观结果或学生学习结果；Claude for Teachers 目前处在产品发布、工作流可检查的阶段，长期采用与效果均待验证。 所以，ChatGPT for Teachers 在机构部署上更成熟，也已经出现少数学区的早期使用数据。Claude for Teachers 的教学材料工作流做得更深，实际部署、留存和结果证据则刚刚起步。这里没有一个总分可以宣布谁赢，因为两者成熟在不同位置。 ## 两条路线接在一起，仍然不等于学习发生 两家公司目前最显眼的优势都可能被追上。Learning Commons 把部分知识图谱、评估器与 Skills 作为公共基础设施开放，其他平台也可以采用类似的标准查询和材料规则。Anthropic 将来可以补齐学区版本，但功能发布不等于学校已经愿意采用，身份整合、数据权限、支持和续约仍要逐项验证。 更难的一段发生在材料离开 AI 以后。教师把教案打印出来或导入学习系统，ChatGPT 和 Claude 通常就看不到后续发生了什么：学生在哪一步卡住，老师临场改了什么，下一次测试是否还记得。模型可以检查教案有没有标出正确标准，却无法从教案本身知道学生是否学会。 把课堂数据接回来也不是简单加一个 connector。学生练习、教师修改和长期成绩涉及新的隐私授权、数据质量与归因问题，还会增加教师记录和学校实施的负担。教师端产品真正要影响学习，既要让教学规则进入可复用工作流，也要让工作流进入学校治理，最后还要在可承受的成本下获得课堂反馈。OpenAI 与 Anthropic 分别把前两件事中的一件做得更完整，第三件事仍然没有产品证明。 这也给出了今天较实际的选择。如果学区最缺的是统一身份、权限和协作管理，ChatGPT for Teachers 的完成度更高。如果一位专业教师最想减少标准查找、学习目标细分和差异化材料返工，Claude for Teachers 提供的增量更明显。两种选择都需要教师承担最后的教学判断。 接下来真正有信息量的指标不会是又一批合作名单，而是 90/180 天后还有多少教师持续使用，扣除核查与返工以后究竟省了多少时间，Agent 发生过哪些失败或越权，材料进入课堂后实施得怎样，以及撤掉 AI 支持以后学生还保留了多少。教师端已经成为 AI 教育的新入口。现在要验证的，是这个入口能不能一路通到学习。