ChatGPT「deep research」 vs. Gemini「Deep Research」──どのくらい違う？ 比較検証してみた（2/4 ページ）

[小林啓倫，ITmedia]

deep research vs. Deep Research

　筆者は少し前から、別のエージェントを記事執筆に役立てていた。Googleの生成AI「Gemini」の機能である「1.5 Pro with Deep Research」である。こちらも同様に、ユーザーの指示に従って、特定のテーマやトピックについて自律的に調査・分析・執筆をしてくれるというもので、24年12月に登場した。

　ChatGPTのdeep research機能の登場で、レポートを書いてくれるエージェントが2つになったわけだが、どれをどう使えば効果的だろうか。せっかくなので、2つのエージェントにお互いの比較をしてもらおう。なお小文字の「deep research」表記はChatGPT、大文字を含む「Deep Research」がGeminiの機能を指す。

　まずは次の指示を、deep research（モデルはo3-mini-highを使用）とDeep Researchに投げてみた（日本語の処理能力で結果に差が出ないよう、実際には英語に翻訳した上で入力している）。

ChatGPTの「deep research」機能と、Geminiの「1.5 Pro with Deep Research」機能を比較し、それぞれの特徴、得意な用途、ユニークな活用方法を整理してください。できるだけ具体的に説明してください。

　前述の通り、deep researchでは実際の調査・分析に入る前に、レポートの方向性を定めるための確認が求められる。今回も「機能の詳細を知りたいのか」や「実際の使用例や事例を探しているのか」といった質問がChatGPT側からあり、筆者から「機能の詳細と、実際の使用例や事例を中心に」などの指示を行った。

　一方でGeminiのDeep Researchは、このような質問形式ではないものの、調査に入る前にリサーチ計画が示される。これはGeminiが自ら考え、ユーザーに提案してくれるもので、ユーザーはそれを見て細部を修正することができる。

　今回のリサーチ計画では、「（各機能の）特徴、使用例、制限事項などの情報を探す」や「両機能の特徴を比較対照し、長所と短所を明確にする」といった一般的な内容の提案を受けため、これで問題ないと考え、特に計画を修正せずに調査を開始するよう指示した。

　結果はどうだったか。まず、概要から比較してみよう。

	ChatGPT deep research	Gemini Deep Research
単語数	9477	2103
参照したサイト（情報源）数	13	54
構成	（1）機能ごとの内訳（両サービス） 1.検索の深さ 2.使用される情報源 3.情報の正確性と信頼性 4.スピードと効率 5.ユーザーインターフェースと使いやすさ 6.他のツール/サービスとの統合 （2）実際の使用例 1.学術研究 2.ビジネス・インテリジェンス 3.技術研究 4.クリエイティブなコンテンツの作成 5.ニュースと最新イベントの追跡 （3）ユニークな応用例	（1）deep researchについて 1.主な機能 2.使用例 3.限界 （2）Deep Researchについて 1.主な機能 2.使用例 3.限界 （3）機能比較表（コンテキストウィンドウ、出力フォーマットなど） （4）使用方法に関するアドバイス（両サービス） （5）結論
その他の特徴	※今回は使用しなかったが、以下の対応を実施できる Pythonコードを実行してデータセットを分析することが可能 ファイルアップロードが可能	参照した情報源の中にYouTube動画が含まれている 表形式での出力あり Google Docsへの変換可能

　まず気付くのは、deep researchのレポートの詳しさだ。単語数で言うと1万語弱で、Deep Researchの数倍詳細なレポートとなっている。しかし参照した情報源の数では、ChatGPTとGeminiが逆転しており、Deep Researchの方が数倍多くのサイトを閲覧しに行っている。

　もちろん文章の分量や、情報源の多さでレポートの価値が変わるわけではない。では内容はというと、GeminiのDeep Researchの方が一般的な構成となっており、ChatGPTのdeep researchでは、直前の指示通りに「機能比較」「実際の使用例」にフォーカスした構成となっている。

　この辺りの違いは、もちろん指示の差によるところが大きいが、筆者がこれまで両方を使ってきた感覚では、Geminiの方が「広く浅く」答えを返す傾向があるように認識している。

　その辺りは、両サービスのコンテキストウィンドウ（AIモデルが応答を生成できるテキストの量）の違いに寄る部分があるのかもしれない。ChatGPTのdeep researchの場合は使うモデルにもよるが12万8000〜20万トークン、Geminiでは最大100万トークンとなっており、10倍近い開きがある。Deep Researchではこのコンテキストウィンドウを生かし、より大量の情報を一度に処理できる。

　そのためDeep Researchは、ある程度大きなトピック（「各国のAI政策をまとめて」など）でも取りこぼしの少ないレポートをまとめられる（筆者がDeep Researchを重宝している点の一つだ）。

　それではそれぞれのサービスが自らをどのように分析し、ライバルと自らをどのように比較したか。詳しく解説したいところだが、あまりに長くなってしまうため、出力された2本のレポートのエッセンスをまとめてみよう。