ChatGPT Search VS Kimi探索版:AI搜索哪家强?!

大家好,我是木易,一个持续关注AI领域的互联网技术产品经理,国内Top2本科,美国Top10 CS研究生,MBA。我坚信AI是普通人变强的“外挂”,专注于分享AI全维度知识,包括但不限于AI科普AI工具测评AI效率提升AI行业洞察。关注我,AI之路不迷路,2024我们一起变强。

ChatGPT Search,OpenAI于10月31日为ChatGPT推出的一个全新的联网搜索功能,OpenAI更大的“野心”是打造自己的搜索引擎。ChatGPT之前就有联网搜索能力,是通过简单调用第三方搜索工具(主要是Bing)实现的。而更新后的ChatGPT Search,则是将微调后的GPT-4o模型作为底层模型,用到了一种全新的合成数据生成技术进行训练,合成数据由o1-preview模型生成。

ChatGPT Search目前仅对付费的Plus和Team用户开放使用。OpenAI表示未来数月会向所有用户全面开放。

关于ChatGPT Search更详细的介绍,可以看我这篇文章。

Kimi探索版,月之暗面于10月11日为Kimi推出的推理型AI搜索产品。和常规的AI搜索工具相比,Kimi探索版多了推理(Reasoning)、规划(Planning)和反馈(Reflection)。整体实现思路应该是借鉴了OpenAI o1模型中用到的思维链(Chain of Thought),使AI模型在处理复杂任务的时候可以提前思考,然后再作答,以便获得更优质的结果。

Kimi探索版目前可免费使用,但Kimi对于使用数量做了限制,5次每用户每天。

关于Kimi探索版更详细的介绍,可以看我这篇文章。

那么,灵魂拷问来了,ChatGPT Search和Kimi探索版,哪个搜索能力更强?

先上结论

首先声明,本文没有任何广告,客观记录所有的测试结果供小伙伴们参考。另外为了进行对比,我额外在每个测试后面附上了Perplexity的搜索结果。Perplexity是我心目中目前的AI搜索第一名,接受反驳,欢迎评论区留言讨论。

  1. 再次强调,AI搜索目前还取代不了传统的搜索引擎,如谷歌、Bing搜索。

  2. Perplexity综合体验最好

  3. 综合表现ChatGPT Search > Kimi探索版。个人认为这是底座模型带来的优势。明显能感觉到ChatGPT Search更聪明,从理解题意,到组织答案。

  4. Kimi探索版不是一无是处。对于需要搜索大量数据源的问题,比如下面的测试2,Kimi探索版能读取的信息源更多。ChatGPT Search给出的答案则大多比较简略。

关于什么样的问题适合AI搜索,可以看我这篇文章。

1. 实时信息获取

总结中国住房交易契税最新政策

结论

Perplexity > ChatGPT Search > Kimi探索版。

两款产品都准确搜索到了正确答案,但个人认为ChatGPT Search整理出的搜索结果更加有条理,更易读一些。而Kimi探索版整理的结果更为详尽,但条理性不足,导致用户需要自行寻找关键信息。

ChatGPT Search

Kimi探索版

Perplexity

2. 复杂问题分解

总结全球主要科技公司(包括中国、美国、欧洲)发布的AI相关技术和产品

结论

ChatGPT Search < Perplexity < Kimi探索版。

这是一道非常复杂的搜索问题。而这三款AI搜索工具的答案都算不上很好,半斤八两。ChatGPT Search给出的结果过于简略,每个地区仅给出了2个科技公司的AI产品介绍。Kimi探索版则是另一个极端,看得出来Kimi很努力,阅读的网页数高达926个,给出了非常详尽的答案,但可能由于上下文的限制,给出的结果并不完整就戛然而止。而Perplexity则介于简略和详尽之间,但有些内容并不准确。

ChatGPT Search

Kimi探索版

Perplexity

3. 跨语言搜索

分析全球主要央行2024年的货币政策取向

结论

Perplexity > ChatGPT Search > Kimi探索版。

虽然对于这个问题,Kimi探索版给出的答案非常详尽,答案很长,但仔细查看会发现正因为Kimi在组织答案前阅读了太多内容(160个网页),导致答案里某些细节的信息不是很“实时”,比如我国LPR下降的最新情况。

而ChatGPT Search在搜索时的实时性做的非常好,信息源大多是10月的数据。Kimi有点用力过猛的感觉。

ChatGPT Search

Kimi探索版

Perplexity

4. 数据分析与整合

对比苹果、华为和小米最新旗舰手机的详细参数和市场表现

结论

Kimi探索版 > Perplexity > ChatGPT Search。

这一轮Kimi探索版胜出。ChatGPT Search的答案其实也对,但太过简略,简略的有点信息匮乏。Perplexity则是信息源有误,没有搜索到小米最新的手机是15系列。但ChatGPT Search和Perplexity的优点是用表格整理了三款手机的参数。

Kimi探索版数据最准确,信息也最详尽。

ChatGPT Search

Kimi探索版

Perplexity

5. 专业领域深度

解释Transformer模型的多头注意力机制的数学原理,并举例说明

结论

Perplexity > ChatGPT Search > Kimi探索版。

Perplexity对于数学原理解释的最详细易懂。Kimi探索版缺少对数学公式部分的深入解释。ChatGPT Search则介于二者之间,缺点依旧是输出的答案太过简略。

ChatGPT Search

Kimi探索版

Perplexity


精选推荐​​​​​​​


都读到这里了,点个赞鼓励一下吧,小手一赞,年薪百万!😊👍👍👍。关注我,AI之路不迷路,原创技术文章第一时间推送🤖。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/61507.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Linux常用命令,持续更新钟

在Linux系统中,你可以使用多种命令来拷贝和移动文件及目录。以下是常用的几个命令及其用法: 一、拷贝文件或目录 cp 命令 cp 命令用于拷贝文件或目录。 拷贝文件: cp source_file destination_file 例如: cp file1.txt /hom…

基于SpringBoot的校园二手商品在线交易系统+含项目运行说明文档

一、项目技术栈 二、项目功能概述 管理员可以完成的功能包括管理员登录、管理员首页展示、系统设置、物品管理、学生管理、评论管理、举报管理、新闻公告、网站设置等,前台的客户可以进行查看所有商品分类、搜索商品、登录或注册、发布商品、求购商品等。 三、部分…

MATLAB实现GARCH(广义自回归条件异方差)模型计算VaR(Value at Risk)

MATLAB实现GARCH(广义自回归条件异方差)模型计算VaR(Value at Risk) 1.计算模型介绍 使用GARCH(广义自回归条件异方差)模型计算VaR(风险价值)时,方差法是一个常用的方法。GARCH模型能够捕捉到金融时间序列数据中的波…

动态规划 —— 子数组系列-乘积为正数的最长子数组长度

江河入海,知识涌动,这是我参与江海计划的第4篇。 1. 乘积为正数的最长子数组长度 题目链接: 1567. 乘积为正数的最长子数组长度 - 力扣(LeetCode)https://leetcode.cn/problems/maximum-length-of-subarray-with-posit…

C语言-详细讲解-洛谷P1420 最长连号

1.题目要求 2.题目分析 考虑到说明里的数据规模&#xff0c;我们可以用动态内存分配来创建合适大小的数组&#xff0c;避免栈溢出问题&#xff0c;通过循环遍历&#xff0c;最终找到最长连号。 3.代码实现 #include <stdio.h> #include <stdlib.h>int main() {…

Python Matplotlib 数据可视化全面解析:选择它的七大理由与入门简介

Python Matplotlib数据可视化全面解析&#xff1a;选择它的七大理由与入门简介 本文介绍了Matplotlib这一强大而灵活的数据可视化工具&#xff0c;涵盖其基本概念、独特优势以及为何在众多Python绘图库中脱颖而出。Matplotlib具有广泛的社区支持、高度自定义能力、多样的绘图类…

《基于 PySpark 的电影推荐系统分析及问题解决》

以下是一篇关于上述代码的博客文章&#xff1a; 基于PySpark的电影推荐系统实现与分析 在当今数字化时代&#xff0c;个性化推荐系统在各个领域中都发挥着至关重要的作用&#xff0c;尤其是在娱乐行业&#xff0c;如电影推荐。本文将详细介绍如何使用PySpark构建一个简单的电…

ant-design-vue中table组件多列排序

antD中table组件多列排序 使用前注意实现效果图实现的功能点及相关代码1. 默认按某几个字段排序2. 点击排序按钮可同时对多个字段进行排序3. 点击重置按钮可恢复默认排序状态。 功能实现完整的关键代码 使用前注意 先要确认你使用的antD版本是否支持多列排序&#xff0c;我这里…

【华为】配置VXLAN构建虚拟网络实现相同网段互通(静态方式)

微思网络 厦门微思网络 组网需求 企业已经建成比较成熟的园区网络&#xff0c;但是没有专用的数据中心网络&#xff0c;所有的服务器分布在不同的部门&#xff0c;并且不具备集中放置的条件。现在用户希望在已有园区网络上构建一个虚拟网络&#xff0c;需求如下&#xff1a; 将…

神经网络问题之:梯度不稳定

梯度不稳定是深度学习中&#xff0c;特别是在训练深度神经网络时常见的一个问题&#xff0c;其本质涉及多个方面。 一、根本原因 梯度不稳定问题的根本原因在于深度神经网络的结构和训练过程中的一些固有特性。随着网络层数的增加&#xff0c;梯度在反向传播过程中会逐层累积变…

AI工具百宝箱|任意选择与Chatgpt、gemini、Claude等主流模型聊天的Anychat,等你来体验!

文章推荐 AI工具百宝箱&#xff5c;使用Deep Live Cam&#xff0c;上传一张照片就可以实现实时视频换脸...简直太逆天&#xff01; Anychat 这是一款可以与任何模型聊天 &#xff08;chatgpt、gemini、perplexity、claude、metal llama、grok 等&#xff09;的应用。 在页面…

云原生之k8s服务管理

文章目录 服务管理Service服务原理ClusterIP服务 对外发布应用服务类型NodePort服务Ingress安装配置Ingress规则 Dashboard概述 认证和授权ServiceAccount用户概述创建ServiceAccount 权限管理角色与授权 服务管理 Service 服务原理 容器化带来的问题 自动调度&#xff1a;…

Kafka 工作流程解析:从 Broker 工作原理、节点的服役、退役、副本的生成到数据存储与读写优化

Kafka&#xff1a;分布式消息系统的核心原理与安装部署-CSDN博客 自定义 Kafka 脚本 kf-use.sh 的解析与功能与应用示例-CSDN博客 Kafka 生产者全面解析&#xff1a;从基础原理到高级实践-CSDN博客 Kafka 生产者优化与数据处理经验-CSDN博客 Kafka 工作流程解析&#xff1a…

GitLab|数据迁移

注意&#xff1a;新服务器GitLab版本需和旧版本一致 在旧服务器执行命令进行数据备份 gitlab-rake gitlab:backup:create 备份数据存储在 /var/opt/gitlab/backups/ 将备份数据传输到新服务器的/var/opt/gitlab/backups/下&#xff0c;并修改文件权限&#xff08;下载前和上传…

开源项目低代码表单设计器FcDesigner获取表单的层级结构与组件数据

在使用开源项目低代码表单设计器FcDesigner时&#xff0c;获取和理解表单的层级结构非常关键。通过getDescription和getFormDescription方法&#xff0c;您可以清晰掌握表单组件的组织结构和层次关系。这些方法为操控表单的布局和配置提供了强大的支持。 源码地址: Github | G…

HDMI数据传输三种使用场景

视频和音频的传输 在HDMI传输音频中有3种方式进行传输&#xff0c;第一种将音频和视频信号被嵌入到同一数据流中&#xff0c;通过一个TMDS&#xff08;Transition Minimized Differential Signaling&#xff09;通道传输。第二种ARC。第三张种eARC。这三种音频的传输在HDMI线中…

解决IDEA中Maven管理界面不是层级结构的问题

文章目录 0. 前言1. 点击Maven管理界面右上角的三个点2. 勾选将模块分组3. 分组后的层级结构 更多 IDEA 的使用技巧可查看 IDEA 专栏中的文章&#xff1a;IDEA 0. 前言 在 IDEA 中&#xff0c;如果项目中有很多子模块&#xff0c;每个子模块中又有一个或多个子模块时&#xf…

GPT1.0 和 GPT2.0 的联系与区别

随着自然语言处理技术的飞速发展&#xff0c;OpenAI 提出的 GPT 系列模型成为了生成式预训练模型的代表。作为 GPT 系列的两代代表&#xff0c;GPT-1 和 GPT-2 虽然在架构上有着继承关系&#xff0c;但在设计理念和性能上有显著的改进。本文将从模型架构、参数规模、训练数据和…

Java-06 深入浅出 MyBatis - 一对一模型 SqlMapConfig 与 Mapper 详细讲解测试

点一下关注吧&#xff01;&#xff01;&#xff01;非常感谢&#xff01;&#xff01;持续更新&#xff01;&#xff01;&#xff01; 大数据篇正在更新&#xff01;https://blog.csdn.net/w776341482/category_12713819.html 目前已经更新到了&#xff1a; MyBatis&#xff…

css使用弹性盒,让每个子元素平均等分父元素的4/1大小

css使用弹性盒&#xff0c;让每个子元素平均等分父元素的4/1大小 原本&#xff1a; ul {padding: 0;width: 100%;background-color: rgb(74, 80, 62);display: flex;justify-content: space-between;flex-wrap: wrap;li {/* 每个占4/1 */overflow: hidden;background-color: r…