深度“研究”还是深度“搜索”，一个GPT-5和Gemini-2.5-Pro的比较

主要观点总结

文章主要围绕作者在拆解和复现“Research”的过程中所遇到的问题和观察展开，特别关注模型能力评估与对比，以及信息来源的分析。

关键观点总结

关键观点1: 文章主题与目的

文章主要关注在深度搜索基础上，模型是否可能涌现出“研究”能力，并通过具体案例进行分析。作者通过对比Gemini Deep Research和GPT-5的Deep Research功能，评估两者的优势和不足。

关键观点2: Gemini Deep Research的特点与评估

作者认为Gemini Deep Research在分析时给出了强烈倾向性的结论，并且在信息量上具有巨大优势。尽管存在信息来源的倾向性问题，但Gemini在分析和研究方面表现出色，能够给出基于广泛信息来源的结论。

关键观点3: GPT-5 Deep Research的对比与观察

与Gemini Deep Research相比，GPT-5的Deep Research功能在引用来源数量上越来越少，报告形式偏向于长篇摘要，缺少明确的结论。作者认为GPT-5的Deep Research更像是“Deep Search”，更侧重于搜索而非研究分析。

关键观点4: 竞争格局与展望

作者对于模型能力的发展持开放态度，并认为在GPT-5及后续版本，尤其是Gemini-3的竞争格局中，模型的能力可能将发生显著变化。作者认为通过深度“搜索”和深度“研究”的区别，可以进一步明确模型的实际能力与潜力。