主要观点总结
文章主要围绕Perplexity新推出的“深度研究”模式展开，作者通过个人体验与测试，对该功能进行了评价。文章也提及了与OpenAI Deep Research的对比，以及价格差异对于用户选择的影响。
关键观点总结
关键观点1: Perplexity新推出的“深度研究”模式介绍
文章介绍了Perplexity推出的新功能——“深度研究”模式，该模式生成的结果非常厉害，对大多数用户来说具有吸引力。
关键观点2: 与OpenAI Deep Research的对比
文章提到Perplexity的“深度研究”模式与OpenAI Deep Research在性能上的对比，虽然排在第二，但对普通用户来说仍然是不错的选择。
关键观点3: 价格差异的影响
文章强调了价格差异对用户选择的影响，并提到Perplexity提供免费试用次数，而OpenAI Pro账号订阅费用较高。
关键观点4: 作者的测试体验
作者分享了自己使用Perplexity “深度研究”模式的测试过程和结果，包括测试题目和实际应用场景的调研。
关键观点5: 多家应用统一命名的有趣现象
文章提到至少三家大模型应用提供商使用相同的名词（深度研究），对于普通用户来说，这提供了更多选择，并可能促使某些服务降低订阅费用或提供更多功能。
免责声明
免责声明：本文内容摘要由平台算法生成，仅为信息导航参考，不代表原文立场或观点。
原文内容版权归原作者所有，如您为原作者并希望删除该摘要或链接，请通过
【版权申诉通道】联系我们处理。
