快速結論
如果你的AI用途大多是回答問題,就選Perplexity Pro。發生了什麼事、這是誰做的、這個詞是什麼意思、X現在的最新狀況如何。Perplexity是為此打造得最乾淨俐落的產品,如果研究就是整個工作本身,而不是某件事的第一步,它就會勝出。
如果研究之後通常還要產出東西,就選Whizi。備忘錄、簡報稿、提案、電子郵件、草稿,或是一段程式碼。後半段是完全不同的工作,需要不同的模型,而在同一個對話串裡完成,會比切到第二個工具明顯更快。
判斷方法很簡單:看看你最近十次在Perplexity上的搜尋,問自己搜尋完之後馬上做了什麼。如果大多數答案是「沒有,我要的東西已經拿到了」,就留在原地。如果大多數是「打開另一個工具開始寫東西」,你其實是在為交接付費。
你真正在做的是哪一種研究?
回答問題代表你想要一個可以查證來源的具體事實。Perplexity從頭到尾都是為此打造的:提問、附來源的答案、接著追問細化。Focus模式和追問流程,對這個特定循環來說都比一般聊天更好用。
建立理解則不同。你要讀十五份來源,從每一份裡抓出可比較的事實,注意它們在哪裡有分歧,然後寫出一份有立場的東西。這比較不像搜尋,更像是把一疊文件放在同一個地方閱讀。它需要很大的上下文視窗、把內容抽取成一致的結構,以及一個最後能寫得好的模型。
大多數專業研究,其實是披著第一種外衣的第二種工作。你從一個問題開始,最後卻需要一份文件。
| Perplexity Pro | Whizi | |
|---|---|---|
| 附引用來源的網頁搜尋 | 在提問答覆這個循環裡是同類產品中最好的 | 有,Pro方案還內建Perplexity自家的Sonar Pro |
| 追問與細化的操作體驗 | 專門打造 | 一般聊天介面 |
| 一次閱讀多份文件 | 支援 | Claude Sonnet 5支援100萬個token的上下文 |
| 抽取成一致的表格 | 可以做到 | GPT搭配嚴格的資料結構 |
| 草擬交付內容 | 不是主力功能 | 在同一個對話串裡用Claude完成 |
| 寫程式 | 有限 | GPT和Claude |
| 生成圖片 | 有限 | Pro以上方案皆內建 |
| 模型選擇 | 可在產品內選擇 | 每則訊息都能跨系列切換 |
| 費用 | 每月$20,或每年$200 | 每月$15.99到$49.99,按年計費更便宜 |
交接實際上要付出什麼代價
兩個工具最明顯的代價,就是第二筆訂閱費。更大的代價,是那些帶不過去的脈絡。
當你在一個產品裡完成研究,再到另一個產品裡開始寫作,你只帶得走結論,卻遺失了推理過程:哪些來源彼此矛盾、為什麼,你決定不採用的那個數字,附加在關鍵數字上的但書,還有你查證過又放棄的那三件事。寫作模型從零開始,所以你要不就得重新解釋一遍,要不(更常見的情況)乾脆不解釋,草稿因此比你實際的理解還要單薄。
把兩件事放在同一個對話串裡做,代表草擬模型眼前就有完整的研究記錄。實際上的效果是:需要下的指示變少、研究和草稿之間的事實出錯變少,而且第一份草稿裡本來就包含你找到的細微差別,而不只是它的摘要。
另一件只有在同一個地方才做得到的事,是拿草稿跟自己的研究互相核對。「對照上面的來源檢查這份草稿,標出每一個比來源支持的內容更強的說法,以及每一個我搬錯的數字。」這個提示需要研究和草稿在同一段對話裡。
在Whizi裡重現Perplexity的流程
保留引用來源的習慣是值得的,而且轉移過來的方式比大多數人以為的更直接:Whizi內建Perplexity自家的Sonar Pro搜尋模型,在Pro方案裡每則訊息20點數,所以提問答覆的循環可以先在同一個引擎上跑完,再交給Claude Sonnet 5接手寫草稿。至於其他有連網功能的模型,與其指望產品自動幫你把關,不如把要求講清楚。
搜尋提示
「研究[問題]。針對每一項發現,回傳來源網址和發布日期。如果來源有分歧,兩邊都列出來,不要幫我調和。任何找不到來源的內容都標記為未經證實。不要用看似合理的數值填補空缺。」
追問
「針對[某個具體發現]這個說法,找出原始來源,而不是引用它的文章,並告訴我原始資料實際上量測的是什麼。」
第二個提示,是Perplexity使用者常常想要卻很少開口要的東西。統計數字每轉手一次就會失真,而三層引用之外的那個數字,回到源頭往往已經面目全非。
接著是Perplexity做不到的部分
「只用上面附來源的研究結果,為[對象]草擬[交付內容]。每一個論點都必須能追溯到這段對話裡的來源。標出我還需要自己查證的部分。語氣:[貼上範例]。」
最後這一步切換到Claude。研究內容會留在同一個對話串裡看得見。參見在對話中途切換模型,以及AI用於市場研究裡更完整的說明。
Perplexity依然勝出的地方
這篇文章不是在說Perplexity不好,假裝它不好也沒有意義。
它依然是純粹附引用搜尋這件事上最好的產品,每月$20或每年$200能買到不少東西:每天300次以上的Pro搜尋、可選擇的底層模型,還有每月$5的API額度。提問到答案的循環更緊湊,追問互動是設計出來的而不是臨時拼湊,引用來源的呈現更乾淨,Focus模式對於把搜尋限定在某種來源類型上,也確實是個好點子。對於一天當中快速查證事實來說,這比在一般聊天裡打一段精心限定的提示體驗更好。
所以如果你的AI用途主要是閱讀和回答問題,而且你已經在別處解決了寫作需求,或根本不需要,就留在Perplexity Pro。兩個都用其實也很合理,不過到了那個階段,這筆帳值得算一算:Perplexity Pro的$20加上ChatGPT Plus的$20,一個月是$40,對比Whizi Pro的$29.99,或按年計費的$19.99,就能在同一個方案裡涵蓋研究、寫作、程式和圖片。
用你自己的工作來決定
- 拿出你最近十次在Perplexity上的搜尋,寫下每一次搜尋完之後十分鐘內你做了什麼。
- 算一下有多少次最後產出了交付內容,而不是只停在答案本身。
- 挑其中一次,在Whizi裡從頭跑到尾:先用附來源的研究提示,再用同一個對話串裡的Claude寫草稿。
- 比較兩件事:你需要重新解釋多少內容,以及草稿裡有沒有包含研究找到的細微差別,還是只有結論。
如果你大多數的搜尋都停在答案本身,就留在原地。如果大多數只是一件工作的前半段,一個對話串會勝過兩個分頁。
如果你真的要換,有一個提醒,因為它牽涉到真實的錢:Perplexity表示,在App Store或Google Play裡更改付款方式,會啟動第二筆訂閱並向你收費,而且刪除帳號並不會取消第一筆訂閱。如何從Perplexity移除信用卡裡有安全的操作順序。
- 看看你最近十次搜尋,記下每一次搜尋完之後馬上做了什麼
- 算一下有多少次最後產出了一份文件,而不是只停在答案
- 在提示裡本身就要求每一項發現附上網址和日期
- 要求提供原始來源,而不是引用它的文章
- 在同一個對話串裡草擬,讓細微差別能延續下去
- 在送出任何內容之前,先跑一次對照來源檢查草稿的提示
- 在決定同時保留兩個訂閱之前,先把費用加總起來
常見問題
在Whizi裡能得到Perplexity那種附引用來源的答案嗎?
可以,有兩種方式。最直接的是Perplexity自家的Sonar Pro模型,Whizi在Pro方案裡就內建這個模型,每則訊息20點數。用其他有連網功能的模型時,就明確要求:每一項發現都要附來源網址和發布日期,來源有分歧時兩邊都列出來,無法查證的內容標記清楚。呈現方式沒有Perplexity那麼精緻,但查證的紀律其實是一樣的,因為不管怎樣你都應該親自打開來源查看。
我應該取消Perplexity Pro嗎?
如果你的研究通常會以一份你自己寫的東西收尾,答案是應該取消,因為兩個工具之間的交接讓你損失的是推理過程,不只是第二筆訂閱費。如果你純粹把Perplexity當成附引用來源的搜尋引擎,而且很看重提問答覆的循環,繼續保留也合理,Whizi可以並行使用。值得先把帳算一算:Perplexity Pro每月$20,再加另一筆$20的訂閱,就是$40,比一個涵蓋研究、寫作、程式和圖片的Whizi Pro方案還貴。
Whizi會比Perplexity Pro加ChatGPT Plus更便宜嗎?
會。這兩個加起來每月$40,各是$20,而Whizi Pro每月只要$29.99,或按年計費$19.99,還涵蓋GPT、Claude和Gemini。省下的錢是真的,但更有用的差別是研究和草擬發生在同一個對話串裡,脈絡會保留下來,而不是在切換分頁時被壓縮成摘要。
學術研究用哪一個比較好?
它們服務的是不同階段。Perplexity擅長找出某個主題上已經存在哪些資料。Whizi更適合下一個階段:你把論文本身上傳上去,跨文件一起處理,做出一份每篇研究各佔一列的證據表,抽取成一致的結構,並且用一個能保留學術用語謹慎程度的模型草擬內容。兩者都不能免除你親自打開每一份來源、查證每一個DOI的責任,而這才是真正會出錯的環節。
Whizi有Focus模式或Collections功能嗎?
沒有以這個名稱存在的功能。相對應的做法是一個可重複使用的提示:你保留下來反覆貼上,用它限定來源、設定輸出格式,並把你想套用的標準寫進去,每次都一樣。這比點一個模式多花一點設定功夫,但換來的是完全可編輯,而且能套用在任何模型上,而不是被產品綁死。