文章作者通过对两位非LLM高级功能用户的体验观察，反思了OpenAI Deep Research (ODR) 的用户接受度问题。作者原本预期 ODR 会让用户感到“震惊”，但实际反馈却远低于预期。对比其他竞品，用户对ODR的评价尚可，但距离真正的PMF（Product-Market Fit）似乎仍有差距。作者认为，可能是过去两年“烂LLM”拉低了业内人士的心理预期，而普通用户的标准更高。文章由此引申，指出许多开源或闭源的Deep Research复刻项目，可能因脱离用户需求而沦为“粪球”。最后，作者呼吁业界重视PMF的缺失，并开放交流与合作。

💡用户体验落差：作者发现，非LLM高级功能用户对OpenAI Deep Research (ODR) 的评价并未达到预期的“震惊”效果，实际体验与业内人士的预期存在落差。

🔍竞品对比分析：通过对比Grok3 DeepSearch、Gemini Deep Research、Kimi深度探索版、ChatGPT 4o的搜索以及豆包的学术搜索，用户认为Grok3尚可，其他产品表现不佳，突显了ODR在同类产品中的相对优势，但也暴露了其改进空间。

🎯PMF的反思：作者认为，许多人之前以为的PMF可能根本就没到PMF，ODR这种水平的质量才是第一个PMF。这暗示了当前LLM产品普遍缺乏真正的用户需求匹配，许多项目可能在“玩粪球”。

原创 孔某人 2025-02-22 09:00 北京

我们原以为OpenAI Deep Research有80分，但实际在用户看来可能才刚满60分。

小短文一篇，发一个感慨。

连续线下给两个不太用LLM高级功能的用户演示OpenAI Deep Research（以下简称ODR）。

一个人是ChatGPT普通用户，平时在用o3-mini，而且可能被降智。

另一个人是几乎没用过任何LLM chatbot，直到R1开始之后才开始用一些，但也没有做什么工作相关的使用。

他们对于ODR的感受都是，这挺好的，后面准备去用，达到PMF。

第二个人我还给他演示了Grok3 DeepSearch、Gemini Deep Research、kimi的深度探索版、ChatGPT 4o的搜索、豆包的学术搜索。英文prompt和搜索目标也是英文圈（没有Grok3 DeepSearch检索中文不好的问题）。对其他这几个评价是：Grok3还能看，其他是垃圾。

我不知道读者是怎么评价ODR的。但一般LLM相关领域的人在给别人展示ODR的时候期待的反馈是“震惊”，我也是这么觉得和期待的。但实际上很难让圈外人觉得震惊/惊讶/aha。

可能我们都过于习惯过去2年的“烂LLM”和烂产品了，这可能拉低了我们的心理预期，但普通用户的心理预期并非这样。很多人之前以为的PMF可能根本就没到PMF。

ODR这种水平的质量才是第一个PMF的，这有多少人才能预判？由此来看R1才开始的爆火，别有一番不同的意义。

以这个标准，去开发或者玩那些开源复刻DeepResearch的项目，基本是在玩粪球，闭源产品很多也是在玩粪球。远远脱离了用户需求。

其他细分赛道的产品状态难道会比Deep Research明显好么？

缺乏PMF的产品，单纯只是因为产品太烂，而我们没有注意到这点。

交流与合作

如果希望和我交流讨论，或参与相关的讨论群，或者建立合作，请加微信，联系方式请点击 -> 联系方式。

本文于2025.2.22首发于微信公众号

阅读原文

跳转微信打开