三个网页版大模型科研对比（小红书版）

这是我在实际科研场景里，对 Gemini-3.1 Pro / GPT-5.3 / Claude-Sonnet 4.6 做的一次「轻量横评」。
只做了少量、有代表性的测试题，结论完全是个人主观感受，仅供参考，不代表模型真实上限。

测试模型 & 使用方式

SoruxGPT 使用体验还不错，这次 GPT / Claude 的测试都是在这里完成的。

我只关心三个最贴近日常科研的能力：

每个场景我都设计了 3 个 Prompt，然后分别让三个模型独立作答，再根据自己设定的简单 rubric 打分。

Gemini-3.1 Pro：
- 优点：逻辑和结构都很清晰，解释型回答很好看
- 短板：没有方便的联网检索模式，在「找最新论文」上吃亏
GPT-5.3：
- 优点：信息量大、搜索范围广，能较快摸到最新工作
- 短板：有时候表达会有点「碎」，需要自己再做二次整理
Claude-Sonnet 4.6：
- 优点：整体回答风格舒服，偶尔会给出让人眼前一亮的 insight
- 短板：文献数量不一定多，但会挑重点讲

场景：

找 24–26 年顶会上的 Video→Music / LLM 能力注入 / 闭源大模型对比 等方向的最新论文

看模型能不能：找到对的论文、够新、而且覆盖不同思路

我的主观平均评分（满分 10 分）：

模型	平均得分	我的直观感受
Gemini-3.1 Pro	6.33 / 10	没有搜索模式，更多停留在 24–25 年，信息质量不错但不够「前沿」
GPT-5.3	7.66 / 10	能较好命中最新论文，但解读有点散，需要我再整理
Claude-Sonnet 4.6	8 / 10	论文数量不多，但会精准点到关键论文和消融实验，有启发性

对「找论文」这个子任务，目前我个人更愿意：

用 GPT 做第一轮大范围搜索

再用 Claude 帮我精读、筛重点和灵感

场景：

直接丢给模型几篇 2026 年的最新 Arxiv 论文

不开搜索，只让模型「闭卷」解释：在讲什么、核心贡献是什么、方法细节和局限在哪里

涉及论文包括：

《Plan and Budget: Effective and Efficient Test-Time Scaling on Reasoning Large Language Models》
《Revealing Behavioral Plasticity in Large Language Models: A Token-Conditional Perspective》
《NarraScore: Bridging Visual Narrative and Musical Dynamics via Hierarchical Affective Control》

我的主观平均评分（满分 10 分）：

如果是「快速看懂一堆新论文」，我会首选 GPT，然后用 Claude 帮忙做更友好的文字表达。

场景：

给模型一个真实科研痛点，例如：

Video→Music 小模型训练到 30 秒就变噪音

想给 LLM 注入某种「内化能力」，但 SFT+GRPO 效果不好

想设计一个「闭源模型科研能力 Benchmark」

让模型给出：原因分析 + 改进方向 + 可执行实验方案

我的主观平均评分（满分 10 分）：

模型	平均得分	我的直观感受
Gemini-3.1 Pro	8 / 10	能给出和人类专家类似的「稳妥方案」，偏保守但可实现
GPT-5.3	9.66 / 10	会系统分析原因，并给出一整套从 easy → hard 的实验路线，很像「实验负责人」
Claude-Sonnet 4.6	6.66 / 10	思路偏保守，创新性一般，但也会给出几条可执行的大方向

在「一起想点新东西」这个任务上，GPT 给我的惊喜最多，更像在和一个很上心的合作者开组会。

如果只选一个帮你做科研的「主力」网页端模型：
- 就这次测试来说，我会先选 GPT-5.3，作为「综合型选手」：
  - 找论文：范围广、时效性好
  - 论文理解：解释到位，有自己的结构
  - 想 idea：能给出一整套有优先级的实验路线
Gemini-3.1 Pro 更像一个稳重的「讲解型老师」，适合理顺概念、做清晰解释
Claude-Sonnet 4.6 像是「灵感型合作者」，偶尔一句话就能点醒一个实验思路

再次强调一遍：

如果你对具体 Prompt、截图细节感兴趣，可以到我主页里看完整版本的对比 Demo。