各大科技巨頭近期紛紛推出DeepResearch功能，通常標榜了先進的資訊蒐集、分析與報告生成能力，但實際使用起來，究竟哪裡不一樣？
2025年1月底，中國DeepSeek問世可說是為了這場AI競賽擊發了起跑第一槍，基於R1模型的DeepResearch功能驚豔各界，更挑戰了美國在AI領域的技術主導地位。
事實上，Google最早於去年12月初率先推出基於Gemini 1.5 Pro模型的DeepResearch功能。而在DeepSeek後，包括OpenAI、Perplexity，以及由特斯拉創辦人馬斯克旗下xAI所發布的Grok3模型，陸續在2月份發布「深度研究」功能。
那麼，各家的DeepResearch功能差異為何？
《數位時代》以下將以「檔案解讀」及「開放式提問」兩大題，針對各家模型進行資料搜尋的「廣度」、「深度」、「可讀性」等維度進行整體評分，來看看對於慣用繁體中文的台灣用戶來說，哪一家的產品最實用。
要先說明的是，以下測試檔案解讀皆採用主計總處的「2024全年及12月的工業及服務業薪資統計結果」，該檔案一共34頁，並包含大量行業薪資數據。而提示詞為： 「請就檔案內容提出關鍵洞察」 ，旨在利用相對抽象的提問測試各模型對用戶需求的理解程度。
而「開放式提問」，則以歸納國內外新聞為題，具體提示詞為： 「請協助整理至今30天內的國際＆台灣10大新聞」 ，旨在測試各家模型的搜尋廣度以及理解深度。
註：本次由於DeepSeek過程中一直呈現過載狀態，故未納入評測。
選手一：ChatGPT（GPT 4.5）
ChatGPT部分以GPT 4.5模型為測試，在上傳檔案之後並輸入提示詞之後，約莫在30秒之內生成出七項洞察要點。其中，較為關鍵的訊息包括「全體受僱員工的經常性薪資」，以及「12月總薪資的平均數」，均在第一點出現。
但針對薪資分布差距，僅列出中位數及年增率，雖有提到「第9十分位」與「第1十分位」比值，但卻未列出檔案中的具體數據，必須追問「請提出具體數據」才可撈出數據；行業別薪資差異部分，也僅列出最高薪行業（金融業）及部分高薪行業；而對「低薪行業」的描述則更少。
在加分項上追問「請協助列出各產業薪資中位數排名」， ChatGPT所列出的分數並未完全依照高低排列，需要用戶進一步整理才可使用 ；除此之外，在評測時雖然輸入繁中提示詞，原始資料也是中文，但ChatGPT多次都以英文回覆，需要請他「說中文」，才會把生成結果翻譯成中文。
而在新聞搜尋方面，GPT確實有理解「至今30天內」為2025年2月10日至3月12日， 但在新聞內容上信度頗低，有過度簡化（例如：全球通脹壓力持續，多國面臨高通脹率），甚至是引用維基百科，把2024年的花蓮強震當作新聞露出。
選手二：Perplexity（DeepResearch）
Perplexity的深度搜尋特色是生成內容結構化完整，更像是由人類寫出來的報告。舉例而言，包括經常性薪資平均數及成長率，以及成長因素，再到各產業差異發展，論述的架構要更為理想。另外，夾帶檔案後的生成時間約莫在30秒以內。
值得注意的是，Perplexity會自動在各標題上產生連結，方便用戶點擊，針對有興趣深入研究的項目進一步追問，相較ChatGPT更為人性化。
而在加分項上追問「請協助列出各產業薪資中位數排名」， Perplexity就會自動歸納檔案中的表格，並附上「中位數/平均數比」，以及各產業年增率，甚至提出「前三大高薪產業占總受僱人數僅8.74%」等更深入經過推論的洞察 。但Perplexity的表格僅列出薪資中位數前12高，同時仍有部分排名錯置的問題（更低的排名卻較高），不過正確性無誤。
而在新聞搜尋方面，Perplexity對國際新聞的表現比台灣本地新聞更理想，前五條確實為近一個月內的國際要聞，但第六名之後就有報題重複，以及納入2024年末新聞的狀況；台灣新聞方面，可從引用資料察覺AI大量引用國內媒體的2024年回顧新聞，因此時效性幾乎都與提示詞不太吻合。
選手三：Gemini（DeepResearch with 2.5 Pro）
實測時發現， Gemini的DeepResearch無法夾帶檔案（測試帳號為Advanced版） ，因此改用唯一可夾帶PDF檔的模型2.0 flash進行測試。
結果發現，Gemini的生成結果類似GPT 4.5，採以列點的方式將重點摘要出來，雖在資料正確性上無誤，但並未將大量資料結構化，導致可讀性偏低，若用戶本身對於這類型資料沒有基礎概念，不容易在生成結果上產生深入洞察。
而在加分項上追問「請協助列出各產業薪資中位數排名」，Gemini確實依照金額高低，將列入統計數據逐一列點排出。
值得注意的是，由於原檔案內有部分產業分成母項與子項， 例如「批發及零售業」底下，還可細分為「批發」及「零售」兩項，而Gemini選擇將母項（兩項子項加總）排除，因此在排名上更為直觀，也是在加分項上贏過CahtGPT的關鍵。
而在新聞搜尋方面切換回DeepResearch，Gemini的亮點是，可以在生成結果之前「編輯研究計畫」，Gemini會列出研究題目的各種項目，協助用戶提出更精確的研究架構。而若回應「不用更動」，就會依照計畫生成結果。
生成出爐後，Gemini的優勢是與Google文件整合度高，因此可以直接將成果輸出，方便用戶取用。 但第一版生成結果雖以中文提問，卻是以日文顯示成果，必須進一步請AI顯示中文。（應與引用資料為日文有關）
而在新聞選擇上，國際新聞的時效性更為精準，主題大多以地緣衝突與選舉為主。 這點可以從引用資料來源有限觀察到，Gemini生成國際要聞僅引用3條來源，應該是主題雷同的關鍵 ；而在台灣新聞方面，一貫的引用舊文、過度簡化問題也有發生，甚至有蘇貞昌擔任行政院長時期的新聞。
選手四：Grok（Grok 3）
在夾帶檔案之後，Grok的特色是會跑出一連串的推論過程（Perplexity也有這個過程），可發現AI確實一步一步的透過提示詞擬定生成內容，並有強調「必須驗證關鍵訊息」。 但Grok生成也耗時相對久，前後約為4分鐘。
首先，Grok的資料結構化功能相當完整，內容優先擷取關鍵訊息，包括「薪資增長」、「行業差異」與「就業動態」，並在往下的篇章逐一描述原因。例如： 「住宿和餐飲業薪資最低，為30,960新台幣，反映了非典型員工比例較高的影響。」
令人眼睛一亮的是，Grok生成的第二部分是「詳細報告」，其中針對「行業特定數據」進行分析（在沒有進一步提問的情況下），自動將「中位數經常性薪資」依照高低排名，並附上年增率數據（但部分產業數據有遺漏），內文也有進一步高薪行業的背景因素概略說明。
而在加分項上追問「請協助列出各產業薪資中位數排名」，Grok在推論接近10分鐘後仍未產出結果。經查詢推論過程， Grok卡關的關鍵在於無法理解中文「中位數」跟「平均數」的定義，而被AI認為是相同的值而產生混亂。
在經過將近13分鐘的推論後， Grok列出一份清單，但「中位數」與「平均數」混淆的問題並未解決。經過思維過程查詢，該表中的「年增率」是Grok利用各產業2024年每個月的總表推論運算而成。 雖然Grok疑似因中文能力而造成錯誤推論，但其推論功能令人眼睛為之一亮。
來到新聞搜尋環節，Grok與其他AI模型差異頗大，它在新聞篩選上首先考慮了選材多元性。在國際新聞上，烏俄停火被認為是最大頭條，而德州野火則被選為第二名。第三名以後陸續有AI突破、美股下跌等要聞，但與其他家模型一致的是有過度簡化描述的問題，導致參考度不高。
而在台灣新聞方面，Grok甚至指出 「假設3月有總統選舉，結果可能主導新聞走向」 ，可以說凸顯Grok活躍的推論能力，反而可能導致蒐集客觀訊息的能力存在重大偏差。就結論上來說，一樣是國際新聞比台灣新聞更具參考性。
結論：Perplexity最泛用、Grok推論活躍、Gemini與ChatGPT持平
根據測試結果，各模型在「廣度」、「深度」及「可讀性」三個維度上各有優劣：
ChatGPT（GPT 4.5）
優勢 ：反應速度偏快，生成內容重點清楚無誤，數據準確性高。
劣勢 ：資料結構性偏低，且對繁體中文支持不足（需多次提醒使用中文），新聞搜尋時效性不佳。
適用場景 ：適合需要快速獲取概要資訊的用戶，但對深度研究需求較高者可能不夠理想。
Perplexity（DeepResearch）
優勢 ：生成內容結構化程度高，提供深入洞察，且自動生成表格輔助理解，頗為好用。
劣勢 ：部分排名仍有錯置問題，台灣本地新聞時效性較差。
適用場景 ：適合需要結構化報告與深入分析的用戶。
Gemini（2.0 flash + 1.5 Pro）
優勢 ：資料正確性高，生成結果直觀，且可手動優化提示詞，與Google生態系統整合度佳。
劣勢 ：無法處理複雜結構化數據，搜尋廣度略低，可讀性較低。
適用場景 ：適合簡單資料整理，與重度Google生態系用戶。
Grok（Grok 3）
優勢 ：推論過程透明，資料結構化能力最強，且具備活躍推論能力，潛力可期。
劣勢 ：處理速度相對慢，對中文詞彙的理解存在偏差，比其他模型明顯更差。
適用場景 ：適合需要透明推論過程與多元視角的用戶，但需容忍較長生成時間。
若從訂閱費的CP值角度出發， 目前Gemini、Grok、Perplexity都開放免費用戶試用Deep Research功能 。至於ChatGPT則僅開放Plus方案以上用戶使用，得購買每月20美元方案才能解鎖。
Gemini、Grok、Perplexity雖開放免費使用，但要注意的是次數有限，且有上下文窗口的token限制；目前，Gemini advanced可透過訂閱「Google One AI」使用，月費為新台幣650元；Perplexity Pro訂閱費也是每月20美元；Grok的超級方案則為每月30美元。
不能只靠AI！「人機協作」是優化關鍵
而在評測4家深度搜尋功能後，可以確定的是，目前AI工具的最大貢獻在於免於人類一次性的讀取大量資料，並從中歸納出重要數據，或是代勞部分製表的工作時間，對於需要快速產出數據精華的用戶而言，十分實用。
但在資訊歸納上，AI的資料結構化能力仍有待加強，尤其是在提示詞較為模糊的情況下，會讓AI的推論能力難以發揮；除此之外，AI在梳理資料或是推論上，仍有不低的機率產生錯誤，因此逐一查核數據正確性非常重要。
因此，若用戶要對資料提出更深入的洞察與詮釋，建議還是在充分閱讀資料後，不斷與AI對話並隨之調整提示詞，才可獲得更理想的成果。
最後必須聲明，這份評測是在相當有限的條件限制下推導出來的結果。換言之，任何人使用不同提示詞，都可能會得到更理想的結果，故本文的評測結果有一定侷限。
延伸閱讀：台積電傳找輝達、AMD、博通「合資經營」英特爾！台積持股比率不超過50%
影片｜Perplexity教學｜讓資料搜尋更簡單的AI！免費版Perplexity怎麼用？4大優點、中文設定一次看
責任編輯：李先泰
本文不開放轉載
