2025年11月20日，BGR發佈一篇聚焦用家口碑嘅評測文章，點名七款 AI 聊天機械人在某啲任務上被用家評為優於 ChatGPT。文章將「勝出者」拆成四類：兩款來自 Google 嘅 Gemini、兩版標註為 DeepSeek 嘅模型、兩款來自 xAI 嘅 Grok，以及法國初創 Mistral 推出嘅Magistral。
文章提到：儘管 OpenAI 嘅 ChatGPT 憑藉其革命性推出同龐大用戶基數（佔全球 AI 聊天機械人使用量近一半），喺全球市場上仍然佔主導地位，但一項以用家體驗為核心嘅獨立研究顯示，喺實際「人機互動」嘅感受方面，呢位行業巨頭已經喺多個場景被競爭對手超越。
由英國公司 Prolific 建立，並基於其「Humaine」基準進行嘅用家調查顯示，喺對市面上 28 個主流 AI 模型進行評估後，ChatGPT‑4.1 只排喺第八位。呢個排名反映咗，雖然 ChatGPT 嘅普及度無可匹敵，但喺用家實際感知同互動質素方面，新嘅競爭者正迅速崛起並獲得用家青睞。
研究結果顯示，排名前列嘅 AI 模型主要包括：
- Gemini 2.5 Pro (Google)
- DeepSeek v3 (中國 DeepSeek)
- Magistral Medium (法國 Mistral AI)
- Grok 4 (xAI)
- Grok 3 (xAI)
- Gemini 2.5 Flash (Google)
- DeepSeek R1 (DeepSeek)
- ChatGPT‑4.1 (OpenAI)
- Gemma (Google)
- Gemini 2.0 Flash (Google)
Prolific 表示，其「Humaine」基準嘅創立，係為咗彌補傳統 AI 性能測試（通常偏重純技術指標）嘅不足，將評估重心轉向用家真係重視嘅價值。研究邀請咗接近 25,000 名來自美國同英國嘅多元化參與者，透過盲測方式，喺多輪對話中對唔同 AI 模型進行兩兩對比，以確保評估結果基於真實用家體驗。
評估標準涵蓋四大關鍵維度：
- 核心任務表現與推理能力：模型回答問題嘅準確性同對用家意圖嘅理解。
- 互動流暢度與適應性：模型處理多輪對話、保持上下文連貫性嘅能力。
- 溝通風格與呈現方式：資訊呈現嘅清晰度以及聊天機械人嘅「個人化」程度。
- 信任、倫理與安全性：用家對回應透明度同安全性嘅感知。
研究結果有力證明，Google 嘅 Gemini 2.5 Pro 係用家心目中表現最佳嘅 AI 聊天機械人。佢喺多個指標同唔同用家群體中均有出色表現，特別喺語調、清晰度同對話適應性等較主觀嘅維度上展現出卓越嘅「人情味」，體現出佢喺「以人為本」AI 領域嘅領先地位。同時，中國嘅 DeepSeek v3 表現同樣搶眼，唔單止排第二，仲喺「溝通風格與呈現方式」單項奪得第一。
呢份研究為 AI 聊天機械人市場描繪出新嘅競爭格局。雖然 ChatGPT 喺用戶量同總使用次數上仍佔絕對優勢，並且喺其他技術測試中可能表現優異（例如通過醫學科學入學考試），但 Humaine 嘅排行榜清楚反映出，當用家喺無品牌先入為主嘅匿名環境下進行評價時，包括 Google、DeepSeek 同 Mistral 喺內嘅其他廠商，喺提供更人性化、更流暢、更值得信賴嘅交流體驗方面已取得顯著進步。對於追求卓越用家體驗嘅用家而言，呢份基於真實反饋嘅榜單提供咗重要參考價值。