做深度研究，ChatGPT、Gemini与Perplexity分别适合什么？

《AI工具怎样选？》· 第二篇

假如要研究“澳大利亚成年人为什么重新学习钢琴”，你可能希望知道市场规模、学习动机、课程形式和中途放弃的原因。把问题交给深度研究工具，几分钟或十几分钟以后，一份结构完整、带着许多引用的报告便会出现。

这项能力很容易给人一种错觉：原来需要数天的研究已经完成了。更准确的说法是，一部分搜索、筛选和初步综合被迅速委托了出去。报告可能帮助你发现资料，也可能把来源性质不同的内容写进同一段，把一个行业预测和官方统计放在近似的位置。引用数量很多，不等于研究问题已经获得可靠答案。

所以，比较ChatGPT、Gemini与Perplexity的深度研究，不能只看哪一份报告最长，也不宜只数引用。真正需要观察的是：研究开始以前，用户能否限定资料；运行过程中能否改变方向；报告完成以后，依据是否容易检查；结果又怎样进入下一步工作。

三种工具正在完成相似任务，但起点不同

三者都已经远远超过“搜索一次，摘要几个网页”的阶段。它们会把问题拆分，连续搜索，在发现新线索后继续查找，然后形成一份较长的报告。相似之处很明显，差异主要藏在来源入口与后续去向里。

表格描述的是官方产品设计，并不能证明某个工具会在所有主题上找到更好的来源。深度研究的实际质量还受问题表述、网页可访问性、语言、地区、主题专业程度和当时可用模型影响。

当你已经知道“应当去哪里找”

有些研究并不是开放地寻找尽可能多的网页。法律、公共政策、产品规范和机构历史往往有一组优先来源。研究澳大利亚失业定义，应先看Australian Bureau of Statistics的方法文件，而不是让博客数量决定答案；分析某个软件功能，官方文档和发布记录通常比比较网站更接近事实。

ChatGPT Deep Research目前允许用户指定网站，并选择只搜索这些网站，或在保留全网搜索时优先使用它们。研究计划可以在开始前编辑，运行时也能中断并调整。这种结构适合一个常见处境：问题复杂，但你对证据等级已经有初步判断，希望系统扩大阅读量，却不希望它自行改变资料边界。

这里的优势不是“ChatGPT一定更准确”。来源限制也会产生新的盲点。如果你指定的机构本来就遗漏了关键争议，系统只在这些网站中搜索，会把人的选择偏差稳定地延续下去。更稳妥的做法是把来源分成两轮：第一轮限定原始资料，确认制度事实；第二轮开放搜索，寻找批评、反例与尚未纳入的研究。工具提供控制，使用者仍要对控制方式负责。

ChatGPT完成后的报告可以下载为Markdown、Word或PDF。对需要进入本地文件、版本管理或正式编辑流程的人，这种交付方式减少了一次格式搬运。它不会自动保证文章可发表，却为后续核查保留了较清楚的工作对象。

当资料本来就在Google的世界里

Gemini Deep Research默认以Google Search为来源。用户也可以加入个人Gmail、Drive、上传文件与Gemini Notebook；不需要公开网页时，还可以取消Google Search。它同样会先形成研究计划，允许用户修改后再开始。

这种设计的价值很容易在一般排行榜里消失。假如你正在准备一个项目回顾，关键材料散落在Drive文档、往来邮件和已有Notebook里，研究的难点并非找到更多公开网页，而是把内部时间线与外部变化放在一起。一个能够在授权范围内接近这些材料的工具，会减少下载、上传和反复说明背景的劳动。

Gemini的报告可以进入Google Docs。这看似只是一个导出按钮，对于本来就在Docs中协作、评论和修订的团队，它决定了报告会不会成为真正的工作文档。音频概览和可视化适合学习与演示，但不应代替来源核查。图表越容易生成，越要检查其中数字是否来自同一口径。

Google生态的便利也带来边界问题。个人Google AI计划与Workspace组织账户的权益并不完全相同，某些来源连接、管理和数据条件取决于账户类型。选择以前要确认的不是宣传页上有没有某项功能，而是自己的账户、地区和管理员设置能否实际使用它。

当研究从快速追踪公开网页开始

Perplexity长期把搜索放在产品中心。Research模式会执行多轮搜索、阅读大量来源并形成报告。2026年更新后的Advanced Deep Research还增加了上传文档处理、代码沙箱、研究过程显示、运行中的追问以及可编辑报告等能力。Research模式自动选择模型，用户不能在这个模式中指定某一个模型。

如果工作从“网上现在有什么可靠材料”开始，并且需要快速改变问题方向，Perplexity的产品结构很自然。普通搜索、追问、Research和Spaces处于相近的使用路径中。一个主题可以先通过较轻的查询摸清关键词与主要来源，再把真正复杂的问题交给Research。研究完成后，报告还能转成可分享页面。

但“搜索原生”不能被简化为“来源天然可靠”。搜索系统擅长找到可访问、可索引的内容，而最重要的资料可能藏在数据库、附件、扫描文件、付费服务或不容易抓取的网页里。排名靠前、被多个网页重复引用的说法，也可能共同来自同一个未经核实的源头。Perplexity提供引用和进度，使用者仍需打开那些决定结论的材料。

速度同样要放在正确位置。Perplexity官方说明多数Research任务可以在几分钟内形成报告。快速适合探索与迭代，不代表较慢工具一定更深入，也不能证明较快结果已经达到发表标准。研究时间应计算到关键来源被核对、冲突被处理、结论能够承担用途为止。

引用看起来正确，仍可能支持不了那句话

深度研究最常见的误判，是看到句末有链接便认为事实已经得到证明。引用至少可能出现四种问题。

链接确实谈到同一主题，却没有支持句子中的具体数字；来源支持相关关系，报告写成了因果；网页引用另一份报告，真正的方法与样本并不在当前页面；或者原文有地域和时间限制，综合报告把限制删掉了。

核查不需要平均检查每一行。先找出承重主张：如果这句话错了，结论是否会改变？市场规模、法律门槛、风险比例和产品价格通常属于这一类。打开原始来源，确认单位、日期、样本和限定。然后抽查几条非核心引用，观察系统是否存在一贯的夸大倾向。若发现问题，不要只修一句话，还应重新检查同类主张。

研究工具也可能提供很长的来源清单，却在正文中只使用其中一部分。来源数量不应成为质量指标。更好的报告让读者知道哪些证据支撑了哪些判断，并把找不到可靠答案的地方保留下来。

三类任务，各自更自然的起点

如果研究对象具有明确的权威来源层级，而你希望在开始前控制网站范围、修改计划，并把报告带入本地或Word编辑流程，ChatGPT Deep Research是值得优先尝试的起点。这个建议来自工作流结构，不是对所有主题准确率的总评。

如果核心资料已经位于Gmail、Drive、Docs或Gemini Notebook，研究还需要回到Google文档继续协作，Gemini减少资料搬运的能力更有实际意义。选择前应核实个人账户与Workspace账户的具体可用性。

如果主要工作是追踪公开网页、迅速建立某个新领域的资料地图，并在连续追问中调整焦点，Perplexity Research的搜索中心结构比较顺手。后续若要正式发表或作出高风险决定，仍应把关键来源另行保存与核查。

还有很多任务不该立刻使用深度研究。一个明确事实可能用普通搜索更快；只分析三份指定文件时，来源型Notebook或Project更合适；问题尚未形成时，先与普通聊天工具澄清概念，可以避免自动生成一份回答了错误问题的长报告。

一个更可靠的使用顺序

深度研究开始以前，先写一小段“研究委托书”：问题是什么，用于什么决定，适用哪个地区与时间，哪些来源必须优先，哪些内容需要被明确区分。让工具提出计划以后，不要只看目录是否漂亮，要检查它是否遗漏反方证据、方法文件和关键定义。

报告生成后，先读结论与来源，不急着润色。把承重主张做成一张简短核查表，并记录无法确认的部分。只有事实范围稳定以后，才进入写作、演示或决策。研究工具可以在第一轮承担大量寻找与整理，却不应同时成为唯一的作者、证据保管者和最终审查者。

结论：选择你需要控制的那一段

ChatGPT、Gemini与Perplexity都能生成令人印象深刻的深度研究报告。三者之间更有用的区别，不是报告外观，而是你需要控制研究链的哪一段。

已经知道可信资料在哪里，就重视来源限制与计划编辑；材料生活在Google服务中，就计算整合减少了多少真实劳动；面对快速变化的公开网页，需要反复探索与追问，搜索中心的环境更自然。无论选择哪一个，引用都只提供核查入口，不替用户完成核查。

深度研究最好的用途，是把人从重复搜索中释放出来，使注意力能够转向来源判断、矛盾处理和问题修正。若它只让我们更快得到一份没有认真检查的长报告，速度增加了，研究本身并没有完成。

主要资料

• OpenAI：Deep research in ChatGPT
• Google：Use Deep Research in Gemini Apps
• Perplexity：What is Research mode?
• Perplexity：What’s New in Advanced Deep Research

继续阅读：《AI工具怎样选？》系列目录