先看三家的计费逻辑差异
大部分横评上来就比报告质量，但对实际使用来说，三家在「怎么卖」这件事上的差异，比能力差异更影响你的选择。
| ChatGPT | Perplexity | Claude | |
|---|---|---|---|
| 计费方式 | 月度固定次数 | Pro 近乎不限量 | 不单独计次，受套餐总用量约束 |
| 免费层 | 5 次/月（轻量版） | 约 5 次/天 | 受限 |
| ~$20 档 | 25 次/月 | 近乎不限量 | 按套餐用量上限 |
| 顶配 | 250 次/月（$200 Pro） | — | Max 档更高上限 |
| 单次耗时 | 最长约 30 分钟 | 2–4 分钟 | 5–45 分钟 |
| 上下文 | — | — | 1M token |
| 独立 API | 有 | 有 | 无（需用 Agent SDK 自组装） |
ChatGPT 的 5 / 25 / 250 三个数字来自 OpenAI 官方文档；其余数据来自各家公开说明与第三方评测汇总， 额度与功能变动频繁，下单前请在自己账号内确认。
ChatGPT：报告最完整，但要省着用
Plus 的 25 次/月折算下来差不多一天不到一次。 对偶尔做深度调研的人够用，对每天要查东西的人明显不够。
一个容易被忽略的机制：原始版额度用完后会自动降级到轻量版，而不是直接断供。轻量版跑在一个更小的模型上，OpenAI 的说法是「智能程度接近但服务成本显著更低」。 所以「用完了」其实是「降级了」，不是「不能用了」。Pro 的 250 次则在两个版本之间平分。
2026 年 2 月的更新加了三项实用能力：
- 可连接任意 MCP 或应用——把内部知识库接进研究流程
- 可限制搜索范围——只在你信任的站点里检索，对付内容农场很有效
- 实时进度 + 中途打断——发现跑偏了可以立刻追加要求纠偏
最后一项改变最大。过去发起一个 30 分钟的研究只能干等， 等来一份方向不对的报告；现在能在过程中干预。
Perplexity：胜在快和多
Perplexity Pro 在同样 $20 的价位给近乎不限量的额度， 单次 2–4 分钟出报告——ChatGPT 最长要 30 分钟。
这个速度差不是小事。它改变了你使用研究功能的方式：快到一定程度，「深度研究」就从一个郑重其事的动作变成了随手可用的工具。你会愿意为一个不太重要的问题也跑一次。
代价是报告的深度和结构化程度不如 ChatGPT 与 Claude。 课题越模糊、越需要权衡取舍，这个差距越明显。
Claude：不按次数卖，适合已经在用的人
Claude 的 Research 结构上就和另外两家不同：没有独立的月度次数，受套餐整体用量上限约束。单次运行 5–45 分钟，配 1M token 上下文。
这个设计的实际含义是：
- 如果你已经在用 Claude 写代码或处理长文档，研究能力是顺带的，不需要额外付费
- 如果你只为研究而来，它不是性价比最高的选择——你会同时被其他用途分掉额度
另外要注意：Claude 没有独立的 research API。 要做自动化研究流水线，得用网页搜索工具加 Agent SDK 自己组装。 这对开发者是灵活性，对只想开箱即用的人是门槛。 具体用法见 Claude Research 模式怎么用。
怎么选：按使用频率而不是按能力
| 你的情况 | 建议 | 理由 |
|---|---|---|
| 每周好几次检索汇总，课题相对明确 | Perplexity Pro | 不限量 + 2–4 分钟，ChatGPT 的 25 次/月不够烧 |
| 一个月几次，但每次都是硬骨头 | ChatGPT Plus | 25 次够用，报告最完整，可中途纠偏 |
| 已经在用 Claude 写代码 / 长文档 | 用 Claude 现有额度 | 不必为研究单独再订一家 |
| 要接内部知识库做自动化 | ChatGPT（MCP）或 Claude（Agent SDK） | Perplexity 在这块最弱 |
| 专业研究员，研究就是主业 | Perplexity + ChatGPT 各一份 | 快的做初筛，深的做定稿 |
最后一行是我们观察到最有效的组合：用 Perplexity 快速摸清题目边界，再把收敛后的问题丢给 ChatGPT 出正式报告。这样 25 次/月的额度基本不会浪费在探路上。
不管用哪家，请求都得这么写
深度研究的输出质量，一半取决于你把边界划得清不清楚。四项必写：
- 时间范围：「只采用 2025 年 1 月之后发布的材料。」
- 来源类型：「优先官方文档、同行评审论文、监管机构公告；排除聚合类内容站。」
- 交付形式：「输出一张对照表 + 一段 300 字以内的结论。」
- 冲突处理：「不同来源不一致时并列呈现并标明分歧，不要自行取一个。」
第四条最重要，也最少人写。研究工具最危险的失败模式不是查不到， 而是替你在互相矛盾的来源里悄悄选了一个。
我们自己就踩过：GPT-5.6 的「7 月 30 日降价幅度」一度只见于第三方报道、各家数字不一， 直到找到 OpenAI 官方页面才能定论。让模型把矛盾摆出来，比让它给你一个干净答案有用得多。
核验环节不能省：拿到结果后逐条点开引用确认原文确实支持该说法。 这不是不信任模型，是任何多源综合流程都该有的步骤。
一句话总结
比能力之前先比频率。高频浅研究 Perplexity 赢在不限量和快；低频硬课题 ChatGPT 赢在报告完整度和可纠偏； 已经在用 Claude 的人不必为研究单独再花一笔钱。 预算够的话，Perplexity 初筛 + ChatGPT 定稿是最省额度的组合。