我拿自己深度研究报告的提示词问题，测了一下。 
结果是断档式碾压o1、Claude 3.7 Thinking、o3 mini-high。 
只有2美元问一次的Deep research，靠着智能体代理才能超过它。 
估计能超过Gemini 2.5 Pro，只有o3正式版或者未来Claude 4。  唯一的缺点是，字数的输出似乎有点限制，显得比较克制。