我从ChatGPT Plus上线首日便开始订阅,与此同时也通过Google One存储套餐获得了Gemini Pro的使用权限。Google近期推出了一款新的AI Pro套餐,月费仅需19.99美元,包含Gemini 3.1 Pro的访问权限、Gemini与常用Workspace应用的深度整合,以及在Chrome和搜索中的集成使用、NotebookLM功能,还附带5TB的云端存储空间。
正因如此,我开始思考:我还有没有必要继续订阅ChatGPT Plus?但在做出任何仓促决定之前,我希望先通过实测来判断哪款AI真正更胜一筹。尽管外界对OpenAI及其聊天机器人的批评不少,但我在日常使用中确实发现它足够实用,大多数任务都能完成得相当出色。因此,我花了整整一周时间,对ChatGPT Plus(GPT-4.1 Instant)与Gemini Pro(3.1 Fast)进行了全面横向对比。
此次测试专注于两款付费版本,以评估每月20美元的订阅费究竟带来了哪些价值。考虑到代码能力方面已有专业人士大卫·格维尔茨(David Gewirtz)深入测评,本次对比将从普通用户的视角出发,而非软件工程师的专业需求。
测试均在网页浏览器及对应移动应用中进行。通过研究当前AI使用趋势,一个清晰的方向浮现出来:人们正逐渐将AI的应用场景从单纯的"工作"延伸至更广泛的"生活"领域。因此,本次对比并非严格的科学基准测试,而是一次贴近真实使用场景的综合评估。
综合10项测试的结果,Gemini Pro以微弱优势胜出——在所有对比项目中,Gemini Pro赢得了两项,ChatGPT Plus赢得一项,其余七项持平。Gemini Pro的两项胜利分别体现在写作与编辑(语言更加自然流畅)以及生态整合与应用集成(生成的演示文档质量明显更优)两个维度。
ChatGPT Plus唯一取得领先的项目是智能体AI能力,这主要得益于其内置的Agent Mode功能。在图像生成、视频生成、语音交互、敏感话题处理、购物辅助、深度研究以及文档分析等方面,双方均旗鼓相当,ChatGPT Plus同样提供了丰富的第三方集成能力。
总体而言,Gemini Pro可能提供了略高的性价比,尤其适合日常深度使用Google和Workspace应用的用户,加之5TB云存储的额外价值,吸引力更为突出。如果只能选择其中一款,推荐订阅Gemini Pro;如果预算允许同时订阅两款,则可以根据不同任务的需求灵活切换,从而获得最佳效果——这也正是我目前的使用方式。
Q&A
Q1:ChatGPT Plus和Gemini Pro分别需要多少钱?有什么区别?
A:两款产品的订阅费用均为每月20美元。ChatGPT Plus提供GPT-4.1模型及内置Agent Mode智能体功能;Gemini Pro则包含Gemini 3.1 Pro模型、与Google Workspace及Chrome等应用的深度整合,以及5TB云存储空间。对于重度使用Google生态的用户,Gemini Pro的整体性价比可能更高。
Q2:ChatGPT Plus在哪些方面表现更好?
A:在智能体AI能力方面,ChatGPT Plus凭借内置的Agent Mode功能明显领先。该模式允许用户将复杂任务拆解为多步骤自动执行的流程,更适合需要AI主动完成连续性操作的使用场景。在其他大多数日常任务中,两者表现基本持平。
Q3:Gemini Pro在写作方面比ChatGPT Plus强在哪里?
A:测试结果显示,Gemini Pro在写作与编辑方面的输出语言更加自然流畅,行文风格更贴近真实的人类表达习惯。此外,在生成演示文档等内容创作任务上,Gemini Pro的成果质量也明显优于ChatGPT Plus,这使其在日常文字工作和内容创作场景中更具优势。
好文章,需要你的鼓励
"影子AI"是指员工在未经公司批准的情况下使用AI工具办公。虽然ChatGPT等工具能提升效率,但将内部文件、客户数据或源代码输入未授权平台,可能导致企业数据失控。IBM报告显示,20%的企业存在未授权AI工具,63%尚无AI治理政策。专家建议,一味封禁效果有限,企业应明确哪些工具可用、哪些数据禁止上传,员工也应主动核查AI输出内容,避免将敏感信息粘贴至公共AI平台。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
Hirebotics联合Fanuc发布首款基于无代码Beacon平台的防爆协作喷涂机器人Cobot Painter。该方案适用于金属制造商,无需专用喷涂房或复杂编程,可在现有人工喷涂环境中数日内完成部署。操作人员通过平板或手机的"点击示教"功能即可引导机器人完成路径学习,实现液体涂料、粉末涂装等高精度重复作业,帮助制造商将涂装业务收回自主管理。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。