Nếu năm ngoái được định nghĩa bởi những mô hình AI đột phá với khả năng giao tiếp ấn tượng, nhiều người cho rằng 2025 có thể là năm của các tác nhân AI—các hệ thống tự động được thiết kế để thực hiện các nhiệm vụ cụ thể với sự hướng dẫn tối thiểu của con người.
Những công cụ chuyên biệt này vượt ra ngoài các giao diện trò chuyện đơn giản, tự động thực hiện những nhiệm vụ khác nhau vượt xa việc tạo nội dung đơn thuần.
Cơn sốt về các tác nhân nghiên cứu đã gia tăng khi You.com giới thiệu công cụ nghiên cứu tiên phong của mình vào cuối năm 2024.
Google nhanh chóng phản hồi với tác nhân nghiên cứu của Gemini, có khả năng tạo ra các phân tích toàn diện, giàu tài liệu tham khảo trải dài hàng chục trang, và cung cấp cho người dùng Gemini Advanced với giá 20 đô la mỗi tháng.
OpenAI đã tham gia cuộc cạnh tranh với trợ lý nghiên cứu powered by GPT-4.5 vào tháng Hai, trong khi xAI của Elon Musk công bố khả năng nghiên cứu sâu sắc trong Grok-3 vài ngày sau đó.
Hiện tại, Grok và Gemini cung cấp các tác nhân nghiên cứu của họ miễn phí, trong khi OpenAI tính phí 20 đô la cho 10 người dùng hàng tháng trong hạng Plus và 200 đô la cho 120 người dùng hàng tháng.
người dùng hàng tháng trong cấp Pro của nó.
Nhưng cái nào thực sự mang lại kết quả hữu ích nhất? Chúng tôi đã thử nghiệm tất cả các tác nhân để đánh giá cách mà những người bạn nghiên cứu số này hoạt động khi đối mặt với những thách thức giống nhau.
(Lưu ý: Tất cả các kết quả đều có trong kho GitHub của chúng tôi.)
Chuẩn Bị Trước Khi Nghiên Cứu
Ngay khi bạn giao nhiệm vụ nghiên cứu cho các hệ thống AI này, những tính cách đặc trưng của chúng trở nên rõ ràng.
ChatGPT tiếp cận một cách thận trọng và có phương pháp, đặt ra các câu hỏi làm rõ trước khi tiến hành. Cách tiếp cận thận trọng này phù hợp để giảm thiểu sự ảo giác và tối đa hóa tính liên quan bằng cách thiết lập các thông số chính xác xung quanh ý định của người dùng.
Nó cũng giúp mô hình tránh mắc phải những ngõ cụt và đưa ra những kết luận sai lầm.
Gemini thì ít dễ thấy hơn và thay vào đó hoạt động nhiều hơn như một đối tác nghiên cứu hợp tác.
Trước khi bắt đầu, nó sẽ phát triển một kế hoạch nghiên cứu có cấu trúc mà bạn có thể xem xét và chỉnh sửa trước khi thực hiện. Cách tiếp cận minh bạch này mang lại cho người dùng nhiều quyền kiểm soát hơn đối với nghiên cứu.
ion từ đầu.
Nó cũng chi tiết hơn nhiều và cung cấp cho người dùng nhiều độ granularity hơn trong mức độ kiểm soát mà họ có thể thực hiện đối với tác nhân nghiên cứu khi họ có thể kiểm soát từng bước của cuộc điều tra, thêm, bớt và sửa đổi các bước cho đến khi kế hoạch hoàn hảo được hình thành.
Grok-3, đúng với nguồn gốc bị ảnh hưởng bởi Musk, bỏ qua những ngọt ngào và lao vào hành động.
Không có câu hỏi, không có kế hoạch—chỉ có việc thực hiện nghiên cứu ngay lập tức với mục tiêu mang lại kết quả càng nhanh càng tốt.
Nếu bạn muốn có kết quả tốt với Grok, bạn cần phải chi tiết một cách đáng kinh ngạc trong truy vấn của mình.
Những tương tác ban đầu này không chỉ là sự khác biệt về giao diện—chúng tiết lộ triết lý cơ bản điều khiển cách tiếp cận của mỗi hệ thống đối với việc thu thập thông tin.
Tốc độ
Trong các thí nghiệm có thời gian của chúng tôi, sự khác biệt về hiệu suất thật đáng chú ý:
Khởi động cả ba hệ thống vào lúc 16:27 chính xác:
- Grok-3 vượt qua vạch đích đầu tiên vào lúc 16:30 (chỉ 3 phút)
- Gemini hoàn thành nghiên cứu của mình vào lúc 16:38 (11 phút)
- ChatGPT
cuối cùng đã hoàn thành kết quả lúc 16:43 (16 phút)
Điều này đại diện cho một sự khác biệt thời gian khổng lồ 433% giữa các tùy chọn nhanh nhất và chậm nhất.
Để có bối cảnh, trong thời gian mà ChatGPT hoàn thành một nhiệm vụ nghiên cứu, Grok-3 có khả năng hoàn thành năm cuộc điều tra khác nhau hoặc thực hiện năm lần lặp khác nhau trên một nghiên cứu duy nhất, cải thiện chất lượng của nó.
Khoảng cách tốc độ này có thể có tác động khác nhau tùy thuộc vào kịch bản. Tất nhiên, người dùng sẽ hy sinh chất lượng vì tốc độ, nhưng đây dường như là yếu tố phân biệt chính để đưa Grok vào một loại hình nghiên cứu AI khác.
Thực sự thì, sự khác biệt chỉ vài phút trong nghiên cứu quan trọng đến mức nào?
Đối với hầu hết mọi người, điều đó sẽ không quan trọng chút nào. Hãy ra ngoài mua một cốc cà phê trong khi AI làm công việc của bạn. Nếu bạn là một nhà báo có thời hạn, một sinh viên gấp rút hoàn thành bài luận, hoặc một chuyên gia cần thông tin nhanh cho một cuộc họp, lợi thế tốc độ của Grok-3 có thể là sự khác biệt giữa việc hoàn thành hoặc bỏ lỡ hạn cuối của bạn.
Nhưng đối với
các bạn khác, nếu bạn cần thông tin chi tiết và sâu sắc về một chủ đề, bạn sẽ có kết quả tốt hơn với ChatGPT hoặc Gemini.
Gemini thậm chí sẽ gửi cho bạn một thông báo tới điện thoại thông minh của bạn, cho biết rằng quá trình nghiên cứu đã hoàn tất.
Xem Các Mô Hình Hoạt Động
Một sự khác biệt tinh tế giữa các hệ thống này nằm ở mức độ minh bạch mà chúng cung cấp về quy trình nghiên cứu của mình – một yếu tố ảnh hưởng trực tiếp đến mức độ tin cậy vào những kết luận của chúng.
Gemini là hệ thống tốt nhất trong danh mục này, cung cấp sự minh bạch xuất sắc về hành trình thu thập thông tin của mình. Bạn có thể theo dõi khi nó tìm kiếm thông tin, đánh giá các nguồn và xây dựng sự hiểu biết của nó.
Sự minh bạch này tạo ra một cái gì đó giống như một dấu vết kiểm toán kỹ thuật số giúp xây dựng niềm tin vào những phát hiện của nó.
Ngược lại, ChatGPT hoạt động giống như một chiếc hộp đen, có phần hạn chế hơn trong chuỗi suy nghĩ và quy trình nghiên cứu tổng thể.
Người dùng hầu như không nhận được sự minh bạch nào về những gì đang diễn ra ở phía sau, thường để lại bạn s
nhìn chằm chằm vào màn hình trắng, tự hỏi xem có điều gì đang diễn ra không.
Trong nhiều bài kiểm tra, hệ thống dường như hoàn toàn bị đông cứng, và chúng tôi chỉ phát hiện ra nó đã hoàn thành vì chúng tôi mở một tab mới và nghiên cứu hiện ra đã xong cách đây 10 phút.
Grok-3 đi theo một con đường trung gian về tính minh bạch, cho thấy ít công việc hơn so với Gemini nhưng bù đắp cho nó bằng những đổi mới cấu trúc thực tiễn. Tính năng nổi bật của nó là trình bày các phát hiện chính ngay từ đầu trước khi đi vào chi tiết—tương tự như cách mà một bản tóm tắt điều hành tốt hoạt động.
Độ Sâu Nghiên Cứu: Kích Thước Chất Lượng
Khi so sánh các công cụ nghiên cứu AI, độ sâu nghiên cứu có lẽ là thước đo phân biệt các hệ thống tinh vi với những công cụ tìm kiếm được ca ngợi. Các bài kiểm tra của chúng tôi đã tiết lộ một số khác biệt quan trọng trong cách mà các nền tảng này tiếp cận tổng hợp kiến thức toàn diện.
ChatGPT cung cấp các phân tích toàn diện có thể được xem như nghiên cứu ở trình độ sau đại học—về thông tin chứ không phải phương pháp. Khi khám phá các câu hỏi triết học về sự tồn tại của Chúa,
nó tạo ra một phân tích dài 17.000 từ bao gồm các lập trường triết học khác nhau với bối cảnh lịch sử và các phản biện tinh tế.
Sự toàn diện này đi kèm với một cái giá—quá tải thông tin thường chôn vùi những hiểu biết quan trọng dưới những núi bối cảnh, tạo ra một kiểu mê cung mà người dùng phải điều hướng để rút ra những kết luận có thể hành động.
Gemini áp dụng một cách tiếp cận cân bằng hơn, cấu trúc hơn nhưng vẫn đủ toàn diện—báo cáo dài hơn 6.500 từ.
Nó thường bao quát hầu hết nội dung của ChatGPT nhưng tổ chức thông tin với độ chính xác kiến trúc vượt trội, bao gồm cả hệ thống trích dẫn chính thức với các tham chiếu có số.
Cấu trúc kiến thức có kỷ luật này—tách biệt rõ ràng các khái niệm cốt lõi khỏi các bằng chứng hỗ trợ—giúp thông tin phức tạp trở nên dễ tiêu hóa hơn mà không làm mất đi chiều sâu thiết yếu.
Grok-3 ưu tiên tốc độ hơn là chiều sâu, áp dụng cách tiếp cận giống như tóm tắt điều hành. Báo cáo dài hơn 1.500 từ.
Nó bao quát một cách đáng tin cậy
các khía cạnh thiết yếu của các chủ đề phức tạp nhưng tránh đi sâu vào sự tinh tế. Phương pháp ưu tiên hiệu quả này tạo ra tiện ích ngay lập tức nhưng lại đánh đổi sự hiểu biết toàn diện—hoàn hảo cho việc định hướng nhanh chóng nhưng có thể không đủ cho các ứng dụng học thuật.
Thú vị là, nghiên cứu mà các mô hình này mất nhiều thời gian nhất để điều tra là câu hỏi đơn giản “có bao nhiêu giới tính?”
ChatGPT mất khoảng 20 phút, Gemini gần nửa giờ, và Grok mất gần tám phút để viết một câu trả lời đơn giản, một sự suy nghĩ mà thật mỉa mai khi xem xét chủ sở hữu của xAI.
Không ai trong số họ đưa ra một con số cụ thể, nhân tiện nói vậy.
Đối với người dùng, lựa chọn tối ưu hoàn toàn phụ thuộc vào nhu cầu kiến thức cụ thể: các nhà nghiên cứu học thuật có thể thích độ sâu của ChatGPT dù cho có sự dài dòng, và các chuyên gia phải cân bằng giữa sự toàn diện với các hạn chế về thời gian có thể thấy cách tiếp cận của Gemini là lý tưởng.
Ngược lại, những người cần thông tin nhanh chóng mà không có bối cảnh toàn diện có thể nghiêng về mô hình ưu tiên hiệu quả của Grok-3.
Kiểm tra Thực tế Trích dẫn
Cả ba hệ thống đều hiển thị rõ ràng số lượng nguồn mà họ đã tham khảo, nhưng cuộc điều tra của chúng tôi phát hiện một hành vi kỳ lạ làm suy yếu các chỉ số này.
Khi xem xét các thực hành trích dẫn, chúng tôi phát hiện cả ba hệ thống thường xuyên tính các thông tin khác nhau từ cùng một nguồn như là các trích dẫn riêng biệt.
Điều này tạo ra ấn tượng gây nhầm lẫn về quy mô của nghiên cứu đã được thực hiện.
Về mặt thực tiễn, điều này có nghĩa là khi một AI tuyên bố đã tham khảo “20 nguồn,” thực tế nó có thể chỉ lấy thông tin từ ít nhất là 5 tài liệu khác nhau, sử dụng 4 đoạn trong mỗi tài liệu như là một nguồn duy nhất.
Sự thổi phồng trích dẫn này làm cho việc đánh giá chính xác mức độ toàn diện của nghiên cứu trở nên khó khăn hơn—đây là một mối quan tâm nghiêm trọng đối với các ứng dụng học thuật hoặc chuyên nghiệp, nơi sự đa dạng của các nguồn tài liệu quan trọng.
Grok cũng có cách gian lận. Nó cung cấp thông tin tốt và chính xác, nhưng một phần lớn các liên kết đến các nguồn của nó thường đưa chúng tôi đến các liên kết 404 và các trang không tồn tại.
es.
Bản Kết Luận: Công Cụ Khác Nhau Cho Các Công Việc Khác Nhau
Các trợ lý nghiên cứu AI này có vẻ đã được tối ưu hóa cho những trường hợp sử dụng khác nhau rõ rệt. Vì vậy, dù có thể nghe có vẻ sáo rỗng, mỗi cái đều sẽ phù hợp hơn cho một loại người dùng cụ thể:
- Gemini (8.5/10) Cung cấp trải nghiệm nghiên cứu cân bằng nhất với độ minh bạch đáng chú ý. Đây là lựa chọn hàng đầu cho nghiên cứu nghiêm túc, nơi việc hiểu nguồn gốc và phương pháp không kém phần quan trọng so với các kết luận. Hãy nghĩ đến các báo cáo chuyên nghiệp, chiến lược kinh doanh, nghiên cứu lịch sử, hoặc bất kỳ tình huống nào mà bạn cần xác minh và có thể bảo vệ các nguồn của mình.
- ChatGPT (8/10) Cung cấp độ sâu nghiên cứu toàn diện nhất nhưng với sự đánh đổi lớn về tốc độ, độ minh bạch và độ tin cậy. Nó phù hợp nhất cho nghiên cứu không khẩn cấp, mang tính khám phá, nơi sự tỉ mỉ được ưu tiên hơn hiệu quả và nơi những trục trặc hệ thống không gây gián đoạn cho các quy trình công việc quan trọng. Nó rất lý tưởng cho giới học thuật, các nhà nghiên cứu trình độ thạc sĩ, triết gia và các nhà khoa học.
- Grok-3 (7/1
0) Đại lý này là nhà vô địch về tốc độ với cách trình bày thông tin xuất sắc. Nó hoàn hảo cho những tình huống nhạy cảm về thời gian, nơi bạn cần những hiểu biết nhanh chóng, rõ ràng mà không nhất thiết phải theo dõi từng bước của hành trình nghiên cứu. Các nhà báo có thời hạn, các chuyên gia chuẩn bị cho những cuộc họp sắp diễn ra, kế hoạch du lịch nhanh chóng, kiểm tra thông tin nhanh chóng về các chủ đề phức tạp, hoặc bất kỳ ai đánh giá cao thời gian của họ sẽ đánh giá cao hiệu quả của Grok-3—miễn là họ biết rằng họ không nên dựa vào đại lý này để đào sâu vào các chủ đề đang được nghiên cứu.
Hiện tại, Gemini cung cấp gói tổng hợp đáng kể nhất cho nhu cầu nghiên cứu chung, nhưng “sự lựa chọn đúng đắn” cuối cùng phụ thuộc vào việc bạn ưu tiên tốc độ, tính minh bạch hay tính toàn diện—và hiện tại, không có nền tảng nào đơn lẻ cung cấp được cả ba phẩm chất này một cách hoàn hảo.
Được biên tập bởi Sebastian Sinclair và Josh Quittner
Bình luận (0)