三个网页版大模型科研对比（个人小结）

本文是我在科研场景下，用 Gemini-3.1 Pro / GPT-5.3 / Claude-Sonnet 4.6 做的一次小范围对比，只看 3 个具体任务，结论只代表个人体验。

完整demo含模型回答截图与打分细则）可以在这里看到：
https://thomas-s-ai-home.netlify.app/model-comparison 本文中 GPT / Claude 均通过 SoruxGPT 使用：

SoruxGPT 邀请码：74e136cb-c728-4977-94f3-70140f310af4（使用推荐码推荐朋友注册购买，双方可以获得 5R 返现）

SoruxGPT API 邀请码（含 Claude Code / Codex）：VYGXW79F

测试背景（尽量贴近日常科研）

使用场景都是我真实会遇到的需求：
1. 找近期论文
2. 看懂新出的论文
3. 围绕自己手上的问题想下一步实验/idea
每个场景各出 3 个 Prompt，分别让三个模型回答，然后我按统一标准打分。
为了尽量贴近日常「直接对话」的使用方式：
- Gemini-3.1 Pro：没有开启耗时的 Deep Research，只用普通聊天模式回答（即使它具备更重的检索/推理能力）；
- GPT-5.3 / Claude-Sonnet 4.6：在需要联网的任务里开启网页搜索，在纯理解/想法类任务里关闭搜索，只看模型本身的能力。

模型与使用方式

Gemini-3.1 Pro（网页版）
- 官方网页端
- 截图通过 Gemini Voyage 导出
GPT-5.3（网页版）
- 使用 SoruxGPT 平台
- 使用平台提供的截图功能
Claude-Sonnet 4.6（网页版）
- 使用 SoruxGPT 平台
- 先导出对话 PDF，再转成图片

这里只记录「使用体验」和「结果大致水平」，不讨论价格、稳定性等因素。

任务 1：找论文

目标：

找 2024–2026 年顶会 / 高质量期刊相关论文
看模型能不能：找对方向、更新、且不只给一条路

我的平均打分（满分 10 分）：

模型	平均得分	简短评价
Gemini-3.1 Pro	6.33	内容有条理，但受限于检索能力，时效性一般
GPT-5.3	7.66	能比较快给到新论文，覆盖面也还可以
Claude-Sonnet 4.6	8.00	数量不算多，但常常能点中相对关键的几篇

个人结论：
如果只是「先把相关论文找全一点」，我更倾向先用 GPT 做第一轮，再用 Claude 看它挑出的重点是否有补充价值。

任务 2：论文理解

目标：

直接丢 2026 年的几篇新论文标题/链接
不开搜索，看模型对「没见过的内容」理解到什么程度

平均打分（满分 10 分）：

模型	平均得分	简短评价
Gemini-3.1 Pro	6.33	能大概说清楚，但不太深入
GPT-5.3	9.00	对结构、动机、方法讲得比较完整，有时会加一点自己的理解
Claude-Sonnet 4.6	7.33	可读性好，但技术细节不如 GPT 展开得多

个人感受：
如果是「快速搞清一篇论文值不值得细看」，我目前更习惯先丢给 GPT 看一版，再根据需要自己去原文核对。

任务 3：论文 idea / 下一步实验

目标：

给出我现在手上遇到的真实问题（例如：视频到音乐模型训练瓶颈、能力注入效果不理想等）
让模型给出可能的原因 + 可以尝试的改进方案

平均打分（满分 10 分）：

模型	平均得分	简短评价
Gemini-3.1 Pro	8.00	给出的路径比较稳妥，接近人类常规思路
GPT-5.3	9.66	会把问题拆得比较细，并给出一系列可以按优先级尝试的方案
Claude-Sonnet 4.6	6.66	提的建议偏保守，偶尔会有不错的角度，但整体不如 GPT 系统

对「一起想实验怎么做」这个任务，目前我最常用的是 GPT，因为它更容易给出一条「可以直接写进实验计划」的路线。

一个更简单的总结

从这次小范围测试里，我自己的结论是：

如果只能选一个当主力科研助手，我现在会选：GPT-5.3（网页端）
- 找论文：新、范围广
- 理解论文：结构比较清楚
- 想 idea：给出的下一步实验比较具体
Gemini-3.1 Pro 更适合用来「整理和解释」，但在「最新信息」上略吃亏
Claude-Sonnet 4.6 偏向「舒服的表达」和零星的灵感，在这次测试里并不弱，但综合得分略低于 GPT

最后再强调一次：

这只是一次小样本个人测试，数据点很少，也没有严格控制变量
如果你研究方向、习惯都和我不一样，结论很可能也不一样
建议有条件的话可以用类似的方式，围绕自己的科研问题做一轮小测，会比看别人评分更有参考价值