Blog · 2026年11月18日 · 5 分钟阅读
我们向三款AI研究工具提出了同一个问题,结果是这样的
如今,"深度研究"几乎出现在每一款AI助手的产品名称里。这些报告乍看都差不多:标题、段落、末尾一串链接。只有当你去数一数里面到底有什么时,差别才会显现。于是我们数了。
我们如何比较
- 2026年10月,我们用英文向 FindDepth、Gemini 4 Argon 和 ChatGPT 6 Deep Research 提出了相同的问题。
- 每份报告都按交付时的原样保存,不做编辑;字数、表格、文内引用和所列来源均由我们根据交付文件亲自统计。
- "经过核对的数字"是 FindDepth 自己的自动核查:报告中的每个数字都会在其引用来源的原文中查找。其他工具没有报告类似的核查,所以我们写"未报告",而不是猜测。
我们就两个不同主题的问题做了测试。结果会因问题和每次运行而不同,请阅读报告后自行判断;六份报告都可以在对比页面找到。
问题1:第一次和第二次世界大战如何改变了全球秩序?
| FindDepth | Gemini 4 Argon | ChatGPT 6 Deep Research | |
|---|---|---|---|
| 报告长度 | 约16,700词 | 约5,600词 | 约8,000词 |
| 阅读的来源 | 52 | 未报告 | 未报告 |
| 引用的来源 | 21 | 41 | 37 |
| 文内引用 | 358 | 156 | 未报告 |
| 表格 | 9 | 2 | 2 |
| 按引用来源核对的数字 | 65个中找到65个 | 未报告 | 未报告 |
| 列出的未决问题 | 5 | 未列出 | 未列出 |
问题2:段永平、沃伦·巴菲特和查理·芒格的投资哲学是什么?
这是公开基准测试 DeepResearch Bench 的第52题。我们按列表顺序选取,而不是自己挑选。
| FindDepth | Gemini 4 Argon | ChatGPT 6 Deep Research | |
|---|---|---|---|
| 报告长度 | 约14,600词 | 约6,500词 | 约7,900词 |
| 阅读的来源 | 56 | 未报告 | 未报告 |
| 引用的来源 | 14 | 32 | 29 |
| 文内引用 | 389 | 199 | 90 |
| 表格 | 8 | 3 | 1 |
| 按引用来源核对的数字 | 115个中找到115个 | 未报告 | 未报告 |
| 列出的未决问题 | 4 | 未列出 | 未列出 |
这些数字意味着什么,又不意味着什么
更长不一定更好。一份16,000词的报告,只有当多出来的篇幅承载着证据时才有用。我们看的是密度:一句话多常连接到一个你可以打开的来源。在两个问题上,FindDepth 的文内引用数量都约为最接近工具的两倍甚至更多。
来源是完整阅读的,而不只是列出来。FindDepth 完整阅读了52和56个来源,只保留真正支持正文的来源。末尾一长串参考文献并不能说明每个来源被使用得多认真;文内引用能直接体现这一点,而这正是 FindDepth 领先的地方。
经过核对的数字。两份 FindDepth 报告中的每个数字都在其引用来源的原文中找到了:65个中的65个,115个中的115个(FindDepth 的自动核查)。其他工具没有显示它们的数字是否经过核对,而 FindDepth 会。如果数字对你的决定很重要,这就是关键的差别。
速度还是确定性?一次典型的 FindDepth 研究需要20到50分钟,因为在你看到报告之前,每个来源都要完整阅读,每个数字都要核对。想快速了解概况,更快的工具就够了。当你需要一份可以依赖的报告时,差别正在于此。
用你自己的问题试一试
最公平的测试,是对你真正重要的那个问题。把同一个问题交给你常用的工具和 FindDepth,然后对每份报告做一次10分钟核查。
Gemini 和 ChatGPT 是其各自所有者的商标。FindDepth 是独立产品,与它们没有关联。