Perplexity和ChatGPT对比：一个是答案引擎，一个是助手

它们根本不是同一类产品

Perplexity回答问题。ChatGPT帮你干活。这个区别几乎解释了两者之间的所有差异，也正是为什么把功能并排列成表格容易误导人。

同样问一句“本季度欧盟人工智能法案的执法时间表有什么变化”，Perplexity会给你一个紧凑的答案，配上可以点开的编号来源，取材于本周刚发布的页面。ChatGPT会给你一段更长、更像聊天的回答，可能很出色，也可能悄无声息地已经过时了半年。

现在让两边把那个答案变成一份给客户的简报，要三条建议和一个幻灯片提纲。ChatGPT做起来毫不费力。Perplexity也能产出点东西，但你是在拿一个研究工具当写作工具用，这一点一看就看得出来。

所以真正的问题不是哪个更好，而是你工作里哪一半更大：是把事情搞清楚，还是把东西做出来。

Perplexity能做而ChatGPT做不到的

每一条说法都附着来源。 这就是产品本身。每句话都带一个可点开的编号引用，于是核实一个答案可不可信只要几秒钟，而不用再重新搜一遍。对于工作要被别人检查的人来说，这直接改变了用AI做研究这件事的性价比。

默认就是真正最新的信息。 Perplexity每一次都是先搜索、后回答。ChatGPT则是在它认为需要时才去联网，这意味着你有时会拿到一个基于训练数据的自信回答，而自己毫无察觉。对任何有时效性的问题，“总是搜索”都胜过“通常会搜索”。

能顺着一条线索往下查。 它给出的追问建议质量不错，而“提问、答案、更尖锐的提问”这个流转，正是这个产品让人觉得是设计出来而非拼凑出来的地方。在Perplexity里花二十分钟，往往能覆盖你开一小时标签页才能走完的范围。

限定搜索范围。 只搜学术论文、只搜论坛讨论，或者搜整个网络，这是个小功能，效果却很大。光是学术模式，就让它成了做文献扫描的正经工具。

为长期项目准备的Spaces。 一个个集合，各自带上传的文件和指令，于是一个跑很久的研究主题能保住上下文，不用每次从头开始。

快。 对于一个有明确答案可查的事实性问题，它就是目前从提问到拿到带出处答案的最快路径。

ChatGPT能做而Perplexity做不到的

围着一件事持续打磨。 起草、修订、争论结构、再把第三段重写一遍。ChatGPT撑得住一整段工作会话；Perplexity的设计核心是一个个独立的问题。

做东西，而不是找东西。 代码、文档、表格、图片、幻灯片提纲，以及能真正跑起来的数据分析。人们用AI大多是在干这些，而这并不是答案引擎的用途。

深度处理文件。 上传一摞文档，在一段长会话里反复盘问它们。Perplexity也能处理文件，但这是ChatGPT的主场。

创意和语感类的活。 小说、品牌语气、语气匹配、喜剧感，以及那种能拐到奇怪又好用的方向上的头脑风暴。

在它之上继续搭东西。 自定义助手、连接器、自动化，以及一套成熟的API。如果你希望这个工具成为工作流的一部分，而不只是一个你偶尔打开的标签页，那就是另一个品类的产品了。

不搜索的推理。 有些问题需要的是思考，不是资料。“这个函数为什么返回undefined”并不是一个搜索词，一个条件反射就去搜网页的工具，形状不对。

引用陷阱

这是全文最重要的一段，所以单独拿出来讲。

引用是一个指向，不是一份证明。 Perplexity给每条说法都附上来源，大多数时候来源确实支持这条说法。但不总是。这种失败很微妙：答案说得比被引用的页面稍微更绝对一点、稍微更具体一点，或者适用范围稍微不同。这不是凭空编造，是漂移，而它比明显的幻觉难抓得多，因为那条引用让它看起来像是已经核实过了。

它也会全盘继承它找到的东西。如果排在最前面的结果是一篇内容营销博客、一篇为SEO写的清单文和一条论坛帖子，你得到的就是一份引用规整的、关于这些东西的总结。不管底下的来源是同行评审论文还是付费投放，呈现出来的那份笃定是一模一样的。

实际该怎么办：

• 凡是重要的，都点进去看。 任何你打算转述给别人的数字、日期或说法。这只花十秒，而这正是引用存在的全部意义。
• 看被引用的是什么，而不只是有几条。 八个来源如果都是同一份新闻稿的转载，那就只有一个来源。
• 当所有来源意见完全一致时，要警惕。 真问题在文献里通常总有些分歧，分歧不见了，往往说明你在读同一套说法的多次重复。
• 技术类或医学类问题用学术范围，这些话题上的普通网页结果只能当作起点。

这些都不说明Perplexity不值得信任。它们只说明它是一个研究助手，而不是研究的替代品，而这本身是件很好的事。这个工具最适合那种本来就要核实的人，现在只是核实得更快了。

逐项任务对比

最后那一行是诚实的结论，也是让人为难的结论。真正把两个都用明白的人，最后往往两个都在用，而这恰恰就是两份订阅的由来。

价格，以及关于Perplexity你该知道的一件事

两家都有能用的免费版，Perplexity Pro和ChatGPT Plus都是每月20美元，上面还有贵得多的高档位：ChatGPT Pro大约要200美元。Perplexity的免费版每天给你一定数量的高级搜索，轻度使用够了。价格档位会变，请到各自官网核对当前价格。如果你已经在付Pro的钱又打算退出，如何取消Perplexity Pro讲了网页端和应用商店两条路径。

订阅之前值得弄明白的是这一点：Perplexity在很大程度上是一层跑在别家实验室模型之上的界面。 它的付费方案允许你选择由哪个模型来回答，包括OpenAI、Anthropic和Google的模型，以及它自家为搜索调优的模型。它底下并没有一个自研的前沿模型。

做编排本身就是实打实的工程，产品也做得好，但它改变了你买的东西是什么：你买的是Perplexity这套研究工作流，它跑在大家都在用的那些模型上，而不是它自己的模型。模型本身在源头很便宜。按API标价，一次标准回答在GPT-5.6 Terra上约0.008美元，在Claude Sonnet 5上约0.007美元（Whizi模型成本指数，2026年8月），所以那20美元买的是搜索管线、引用层和界面。

这也意味着，人们真正该做的对比，往往是Perplexity和其他多模型工具之间的对比，而不是Perplexity和ChatGPT之间的。我们的Perplexity替代方案页面和Whizi和Perplexity Pro对比直接讲了这一层对比。

怎么做决定

回看你过去两周用AI的记录，把它分成两堆：你需要被回答的问题，和你需要被做出来的东西。哪一堆更大，就指向你的主力工具。如果两堆差不多，那你就属于最后会两个都想要的那一类人。

如果你只能付一份钱：

• 选Perplexity，如果你是记者、分析师、研究人员、要写带出处作业的学生，或者任何需要向别人为自己的说法辩护的人。
• 选ChatGPT，如果你的工作是写作、编程、搭建或者产出东西，这覆盖了大多数人。

如果你两个都想要又不想付两份钱，务实的选择是找一个既能给你底层模型、又能联网的工作区。Whizi在一份订阅里包含GPT、Claude、Gemini、Grok和DeepSeek（一条GPT-5.6 Terra消息花4个积分，一条Claude Sonnet 5消息花10个），于是查资料和写东西发生在同一段对话里，而不是分散在两个产品、两份历史记录中。要把取舍说清楚：通用工作区不会复刻Perplexity那条专门的引用管线，所以如果带出处的答案就是你工作的核心，那个专用工具值得它的位置。

关于什么任务该用哪个模型这个更大的问题，可以读如何挑选AI模型，或者看怎么同时用多个AI模型里的工作流。