2025年11月20日，BGR发布一篇聚焦用户口碑的评测文章，点名七款 AI 聊天机器人在某些任务上被用户评为优于 ChatGPT。文章把“胜出者”拆成四类：两款来自 Google 的 Gemini、两版标注为 DeepSeek 的模型、两款来自 xAI 的 Grok，以及法国初创 Mistral 推出的Magistral。
文章提到：尽管OpenAI的ChatGPT凭借其革命性的推出和巨大的用户基数（占据全球AI聊天机器人使用量的近一半），在全球市场上仍占据主导地位，但一项最新、以用户体验为核心的独立研究显示，在实际的“人机交互”感受方面，这位行业巨头已被众多竞争对手超越。
由英国公司Prolific创建，并基于其“Humaine”基准进行的用户调查显示，在对市面上28个主流AI模型进行评估后，ChatGPT‑4.1仅排在第八位。这一排名揭示，虽然ChatGPT的普及度无可匹敌，但在用户实际感知和互动质量方面，新的竞争者正在迅速崛起并赢得用户青睐。
研究结果显示，排名前列的AI模型主要包括：
- Gemini 2.5 Pro (谷歌)
- DeepSeek v3 (中国DeepSeek)
- Magistral Medium (法国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公司表示，其“Humaine”基准的创立，正是为了弥补传统AI性能测试（通常侧重于纯粹的技术指标）的不足，将评估重点转移到用户真正看重的价值上。研究邀请了近25,000名来自美国和英国的多元化参与者，通过“盲测”方式，在多轮对话中对不同的AI模型进行两两对比，以确保评估结果基于真实的用户体验。
评估标准涵盖了四大关键维度：
- 核心任务表现与推理能力：模型回答问题的准确性和对用户意图的理解。
- 互动流畅度与适应性：模型处理多轮对话、保持上下文连贯性的能力。
- 沟通风格与呈现方式：信息呈现的清晰度以及聊天机器人的“个性化”程度。
- 信任、伦理与安全性：用户对回答透明度和安全性的感知。
研究结果有力地证明，谷歌的Gemini 2.5 Pro是用户心目中的最佳AI聊天机器人。它在多个指标和不同用户群体中均表现出色，尤其在语调、清晰度和对话适应性等更具主观性的维度上展现了卓越的“人情味”，体现了其在“以人为本”的AI领域的领先地位。同时，中国的DeepSeek v3表现抢眼，不仅位列第二，还在“沟通风格与呈现方式”这一单项中荣获第一。
这份研究为AI聊天机器人市场描绘了新的竞争格局。尽管ChatGPT在用户量和总使用次数上仍占据绝对优势，并且在其他技术测试中可能表现优异（如通过医疗科学入学考试），但Humaine的排行榜清晰地反映出，当用户在没有品牌先入为主的匿名环境下进行评价时，包括谷歌、DeepSeek和Mistral在内的其他厂商，正在提供更人性化、更流畅、更值得信赖的交流体验方面取得显著进步。对于追求卓越用户体验的用户而言，这份基于真实反馈的榜单提供了重要的参考价值。