От фастфуда до диссертации: как ChatGPT и Deep Research разрушают ожидания

Я могу получить ответы от ChatGPT, но Deep Research выдаёт целую диссертацию, которая мне почти никогда не нужна.
Мне нравится погружаться в изучение новых вещей и проваливаться в кроличьи норы исследований, но иногда мне просто нужен быстрый, эффективный ответ на вопрос или краткое руководство по задаче. Если я разбираюсь, сколько времени нужно, чтобы запечь курицу, или был ли Плутон возвращен в статус планеты, я хочу короткий список основных пунктов и простой ответ: да или нет.
Поэтому, хотя функция Deep Research в ChatGPT зарекомендовала себя как потрясающий инструмент для глубоких исследований, когда я хочу полностью погрузиться в тему, я не делаю её своим основным помощником. База данных и инструмент поиска AI модели решают практически любой ежедневный вопрос или проблему, которую я могу ей задать. Мне не нужен официальный отчет о том, как приготовить блюдо, на которое требуется 10 минут на подготовку. Но, честно говоря, я нахожу подробные ответы от Deep Research слишком притягательными, поэтому решил сравнить их со стандартной моделью ChatGPT (GPT-4o) и задать ей несколько вопросов, которые, как мне представляется, я мог бы задать на шару или без особой необходимости.

Для первого теста я решил проверить, как обе модели справятся с классическим, наводящим страх рецептом: Биф Веллингтон. Это не то блюдо, которое можно просто закинуть в духовку в будний вечер. Это трудоемкий, многоэтапный процесс, который требует терпения и точности. Если когда-либо было блюдо, где Deep Research может оказаться полезным, то это оно. Я задал обоим моделям вопрос: «Можешь дать мне простой рецепт кошерного Биф Веллингтона?». Обычный ChatGPT ответил почти мгновенно с понятным и хорошо структурированным рецептом. Он перечислил ингредиенты с точными измерениями, разложил процесс на управляемые шаги и предложил несколько полезных советов, чтобы избежать распространенных ошибок. Это было именно то, что мне нужно в рецепте. Deep Research занял целых десять минут и выдал очень длинный и сложный мини-кулинарный справочник, сосредоточенный на этом блюде. У меня было множество версий Биф Веллингтона, все они соответствовали моим конкретным запросам, но варьировались от метода, вдохновленного Джейми Геллер, до традиционного рецепта 19-го века с некоторыми заменами. Это не считая дополнительных предложений о декорациях и анализа различных видов слоеного теста и их соотношений масла к муке. Честно признаюсь, мне это понравилось как кусочек увлекательной информации. Но если я на самом деле просто хотел приготовить блюдо, это было слишком похоже на те кулинарные блоги, где приходится пролистывать целую историю жизни человека, чтобы добраться до списка ингредиентов.

Для второго теста я хотел проверить, сможет ли Deep Research помочь мне купить телевизор, поэтому я оставил вопрос простым: «На что мне стоит обратить внимание при покупке нового телевизора?» Обычный ChatGPT дал мне быстрый и понятный ответ. Он разбил все на размер экрана, разрешение, тип дисплея, смарт-функции и порты. Он сказал, что 4K - это стандарт, 8K - это перебор, у OLED лучший контраст, HDMI 2.1 отлично подходит для игр, а бюджет имеет значение. Я почувствовал, что у меня есть довольно четкое представление о том, на что обращать внимание, и с этой информацией я легко мог бы зайти в магазин.
Deep Research, как обычно, задал дополнительные вопросы о том, что для меня важно, но в этот раз он справился быстрее, лишь за шесть минут, прежде чем предоставить полный отчет о нескольких телевизорах. За исключением того, что вместо простого списка плюсов и минусов я получил много ненужных деталей, таких как OLED и QLED панели, почему частота обновления телевизора влияет на видеоигры и как алгоритмы сжатия влияют на качество потоковой передачи. Опять же, это была очень информативная информация, но совершенно ненужная для моих целей. И в отличие от Биф Веллингтона, я не буду периодически возвращаться к этому руководству по покупке телевизора.

Для финального теста я решил стать немного более академичным, учитывая моё недавнее решение более серьезно заняться астрономией как хобби. Всё еще оставаясь кратким, я спросил: «Как работает телескоп?» Обычный ChatGPT мгновенно ответил простым, доступным ответом. Телескопы собирают и увеличивают свет с помощью либо линз (рефракторные телескопы), либо зеркал (рефлекторные телескопы). Он кратко коснулся вопросов увеличения, разрешения и мощности сбора света, делая это легко для понимания без чрезмерной детализации.
Deep Research выдал отчет такого рода, какой мог бы написать в школе. После вопроса, насколько техническим должен быть мой ответ, и моего ответа, что я не хочу слишком технический, я ждал более восьми минут, прежде чем получил длинное обсуждение оптики, разработки различных типов телескопов, включая радиотелескопы, и механизмов, лежащих в основе их работы. Отчет даже включал руководство по покупке первого телескопа и обсуждение атмосферных искажений при наземных наблюдениях. Он отвечал на вопросы, которые я не задавал. Признаюсь, я мог бы задать их в какой-то момент, поэтому ожидание дополнительных вопросов не было большим негативом в этой ситуации. Тем не менее, несколько предложений о зеркалах было бы вполне достаточно в данный момент.
После проведенных тестов, мое мнение о Deep Research как мощном инструменте AI с впечатляющими результатами остается, но я гораздо больше осознаю его излишества в контексте использования обычного ChatGPT. Отчеты, которые он генерирует, подробны, хорошо структурированы и удивительно грамотно написаны. Для случайной экскурсии по интересной информации это довольно здорово, но мне гораздо чаще нужен просто ответ, а не диссертация. Иногда мелкое погружение предпочтительнее глубокого.
Если подход обычного ChatGPT точен и делает за секунды то, что Deep Research требует нескольких минут и много ненужного контекста, то это будет моим предпочтением в 99 из 100 случаев. Иногда меньше — это больше. Тем не менее, советы Deep Research по покупкам были бы великолепны для более крупных покупок, чем телевизор, например автомобиля или даже при поиске дома. Но для повседневных дел Deep Research просто делает слишком много. Мне не нужен реактивный двигатель для электрического скутера, но для трансконтинентального полета этот реактивный двигатель будет очень полезен.