GPT-5和Gemini谁更强？——一个在读博士科研日常视角的分析

文章导读：

本文深入剖析了GPT与Gemini在日常工作中的实际应用表现，特别是在调研、文档整理、编程及人文探讨等多个维度。作者意外发现GPT在调研方面表现远超Gemini，尽管后者拥有Google强大的搜索资源，但其搜索触发机制的不可控性成为一大短板。反观Gemini，则在文档整理方面展现出更佳的效率和准确性，尤其是在处理超长文档时，GPT的Agent模式表现出色。编程方面，两者各有千秋，Gemini在LaTeX等特定领域更为得心应手，而GPT在深度学习代码上表现尚可，但在处理复杂BibTeX文件时遇到瓶颈。写作方面，Gemini以其专业且精炼的表达完胜GPT。人文探讨领域，尽管两者均显不足，但Gemini偶尔迸发的深刻见解和“懂很多”的惊喜感，使其体验优于GPT。作者指出，GPT-5 Pro在业务能力上已达到“牛马”级别，但人文关怀方面有所退步。文章最后提及了Codex的性价比，并表达了对Deep Research模型更新的期待。

调研场景的意外格局：GPT的优势与Gemini的局限

在信息搜集与研究的日常环节，我原本预期拥有Google Scholar和Google Search加持的Gemini会在这方面大放异彩。然而，实际体验却出乎意料：GPT在调研上的整体表现远胜于Gemini。Gemini的检索能力并非用户可控，其是否会启动网页搜索很大程度上取决于提示词的“运气”。反观GPT，其拥有明确的网络搜索接口，并且通过Agent和Deep Research等工具，能够更主动、更深入地进行信息挖掘，已然替代了我过去依赖Edge和Google Search等传统搜索引擎的模式。

文档整理的效率对决：Gemini的细腻与GPT的宏观

转向文档整理工作，Gemini则展现出更胜一筹的实力。GPT-5在未开启“thinking”或“pro”模式时，信息准确性有待提高，幻觉问题较为常见。一旦启用这些模式，其处理速度又明显慢于Gemini。不过，GPT在处理超长文档时，例如将百余行论文列表整理成Markdown表格，其Agent模式表现出色。相较之下，Gemini在处理同类任务时，经常出现截断和卡死的情况，用户体验不佳。

编程能力的细分战场：Gemini的刁钻与GPT的通用

在编程领域，模型的能力表现呈现出场景化的差异。对于深度学习相关的代码，当前大部分模型都能胜任，因为这些代码相对而言较为“玩具化”。但在一些更为刁钻的场景，Gemini反而能脱颖而出。例如，在生成LaTeX代码、调整双栏至单栏的转换、增删列、样式修改以及数据高亮等方面，Gemini表现得游刃有余。GPT则面临老问题：开启“thinking”模式速度慢，不开启则精度不足，整体使用体验并不理想。此外，GPT的Agent模式在处理复杂代码任务时似乎也力不从心，例如我曾尝试让GPT Agent处理一个包含20-30个引用的千行BibTeX文件，但最终生成的清洗结果完全无法使用。

写作体验的颠覆：Gemini的专业性与GPT的平淡

值得特别提及的是Gemini在写作方面的能力，其表现完爆GPT，这是我个人的真实使用感受。Gemini似乎经过了大量学术写作语料的训练，其输出的文字，包括公式和符号的表达，都极为专业，只需稍作润色即可直接使用。相比之下，GPT在这一方面的体验则显得平淡许多。

人文探讨的深度感知：Gemini的惊喜与GPT的“牛马化”

在人文社会科学的探讨方面，当前LLM整体表现仍显不足，对于哲学、经济、社会现象等深入议题的理解尚显粗浅。即便如此，Gemini在实际使用中的体验依然优于GPT。Gemini有时会冒出令人惊喜的观点，或许得益于其庞大的模型基础。它能展现出一种“无所不知”的博学感。而GPT在这一领域的表现则可以说是最大的倒退。相较于之前的版本，GPT-4o的共情能力大幅减弱，如今更像是一个业务能力超强的“牛马”。在进行深度对话时，它常常以一种“空心人”的姿态出现，动辄给出“最小可行清单”，有时显得略微油腻。

GPT-5 Pro的强大与Codex的性价比

尽管指出了GPT-5当前版本的一些不足，但毋庸置疑的是，作为最新一代模型，其能力仍处于断档式领先地位。GPT-5 Pro在研究深度上的表现令人惊叹，其已然进化成一个业务能力极为变态的“牛马”（作者戏称为Sam所说的“PhD”）。如果GPT-5 Pro成为我的同事，我可能会面临巨大的竞争压力。此外，Codex在性价比方面表现出色。我一直好奇Deep Research的基座模型何时能够更新，据说目前使用的是o3或4o。我已彻底放弃Deep Research，转而使用GPT-5 Pro配合网页搜索/Agent。