Что лучше ChatGPT или DeepSeek для трёх задач за день
Что лучше ChatGPT или DeepSeek: сравниваю чаты, работу с файлами и API на задачах настольного клуба. Даю критерии проверки без выдуманного рейтинга качества.
Д
Денис
Продакт LibraChat
12 мин чтения
Утром мне нужен текст приглашения в настольный клуб. Днём — выбрать зал, который вмещает всех и укладывается в бюджет. Вечером хочется перестать вручную разбирать одинаковые заявки. Когда я записал эти задачи рядом, вопрос «что лучше ChatGPT или DeepSeek» стал предметнее. Для короткого диалога я бы начал с доступного чата и проверки ответа; для многоэтапной работы — с нужного рабочего режима; для программы — с отдельного сравнения API. Одного победителя на все три покупки из названия сервиса не получается.
Утро: что лучше ChatGPT или DeepSeek для приглашения
Я попробовал убрать из задания название любимого инструмента. Остались исходные сведения: встреча в субботу, начало в 15:00, двенадцать мест, запись через организатора. Адрес пока не выбран. Уже понятно, что считать ошибкой: придуманный адрес, потерянное ограничение мест или обещание бесплатного участия без подтверждения.
Для такой задачи мне важнее сохранение фактов и удобство правки, чем длина первого ответа. Длинное объяснение способно произвести впечатление, но участнику клуба требуется понять, когда прийти и как записаться.
В документации OpenAI Chat предназначен для вопросов, объяснений и коротких черновиков, а Work — для делегируемой работы с законченным результатом. Источник: OpenAI Docs о Chat и Work. У DeepSeek официальный сайт предлагает бесплатный диалог в приложении. Источник: загрузка приложения DeepSeek.
У ChatGPT также есть бесплатный план Free, поэтому само сравнение не сводится к выбору «платный против бесплатного». Источник: официальные планы OpenAI. Условия доступных возможностей уточняю отдельно для своего аккаунта.
Из этого не следует, что один пишет приглашения лучше другого. Следует, что для первого шага не обязательно сразу покупать большой рабочий процесс. Сначала можно проверить ровно ту текстовую операцию, ради которой открыт чат.
Я собрал бы одинаковое задание для проверки обоих вариантов:
Напиши приглашение на вечер настольных игр. Известно: суббота, начало15:00,12мест, запись через организатора. Адрес и стоимость пока не утверждены. Сохрани известные сведения, неизвестные не заменяй предположениями. Дай короткий текст и отдельно вопросы, без которых приглашение нельзя отправлять.
Это предлагаемый контрольный запрос. Здесь нет якобы полученных ответов двух сервисов и рейтинга по ним. Читатель может использовать его со своими безопасными исходными данными и проверить результат по заранее заданным условиям.
В полдень красивая рекомендация встречает ограничение
После приглашения возникает менее литературная работа. Нужно выбрать самый дешёвый подходящий зал для двенадцати человек на три часа, уложившись в3000рублей. Для примера я записал три условных предложения. Это не действующие цены площадок, а исходные числа задачи.
Зал · Условие оплаты · Вместимость · Что надо заметить
А — 900рублей за час — 12 — Три часа стоят2700
Б — 2400рублей за трёхчасовой блок — 10 — Двум участникам не хватит мест
В — 800рублей за час, минимум четыре часа — 14 — Минимальный платёж3200
Я проверил расчёт вручную. По заданным условиям подходит А. Б дешевле по сумме, но не проходит вместимость. В выглядит привлекательнее по часовой ставке, но обязательный минимум выводит его за бюджет.
Мне нравится этот маленький пример именно потому, что в нём недостаточно выбрать самую маленькую цифру. Нужно сохранить все ограничения одновременно. Если чат назовёт Б «оптимальным», я не буду спасать рекомендацию красивыми аргументами про атмосферу: данных об атмосфере в условии нет.
Для сравнения я прошу один и тот же формат: вариант, полный платёж, выполненные ограничения и причина отказа для остальных. Тогда легче увидеть, где ответ действительно решил задачу, а где только убедительно её пересказал.
Проверяю четыре вещи:
учтён ли минимум оплачиваемого времени;
не перепутана ли цена часа с ценой блока;
осталось ли требование о двенадцати участниках;
не добавлены ли скидки, которых нет в исходнике.
Так становится понятно, что означает «лучше» для этой части дня. Не самый приятный стиль. Не самое решительное слово в конце. Мне нужен вывод, который выдерживает проверку по исходным данным.
Сравниваю одинаковый вид продукта
Я заметил ещё одну ловушку: под словом ChatGPT можно иметь в виду обычный разговор или делегированную работу с файлами. Под словом DeepSeek — приложение, отдельный настольный продукт или программный доступ. Смешав их, легко приписать одному бренду преимущество просто потому, что сравнивались разные режимы.
В документации ChatGPT описаны вложения, работа с контекстом и проверка созданных файлов. Источник: OpenAI Docs об использовании ChatGPT. На нынешней странице DeepSeek, помимо приложения, есть Harness для настольного компьютера: заявлены фоновая работа и действия с локальными файлами. Это не повод объявлять результаты одинаковыми, но и говорить, что у DeepSeek вообще нет такого направления, уже некорректно.
Моя работа · Что сравниваю · Чем подтверждаю пригодность
Переписать приглашение — Диалог с одинаковыми исходными сведениями — Известные факты сохранены
Подготовить материал по нескольким источникам — Рабочие режимы с нужными файлами и инструментами — Есть проверяемый результат и происхождение сведений
Доработать документ — Нужную операцию и доступный формат — Файл открывается, нужное изменение видно
Обрабатывать поток в программе — Конкретные API-модели и условия — Формат ответа принимается программой, расход понятен
Я не превращаю наличие функции в оценку её качества. Кнопка загрузки файла не гарантирует, что сложная таблица будет понята правильно. Возможность создать документ не доказывает сохранения всех значений после правки.
Перед серьёзной задачей я уточняю интерфейс и выбранный режим. Если знакомый получил хороший результат в одном рабочем продукте, это не обещание такого же поведения в другом окне с похожим названием. Сравнение должно содержать достаточно деталей, чтобы его вообще можно было повторить.
Одна поправка показывает, понял ли чат ограничение
Для проверки я начинаю свежий разговор с одним и тем же условием. Иначе в одном месте окажется подробная история моих предпочтений, а в другом только короткий вопрос. Такой опыт расскажет о разнице контекста, но не обязательно о пригодности продуктов.
Рядом записываю дату и выбранный режим. Если интерфейс показывает модель, сохраняю это название для собственного повторения. Пример месячной давности без этих сведений плохо помогает оценить сегодняшнее поведение: продукты обновляются, а настройки легко забываются.
Затем я делаю небольшую правку в условии залов: меняю вместимость Б с десяти на двенадцать человек. Всё остальное остаётся прежним. Теперь Б проходит ограничения и стоит2400рублей, дешевле2700у А. Это проверяемый ожидаемый вывод, который я рассчитал сам, а не получил от одного из сравниваемых сервисов.
У такого шага есть практический смысл. Чат должен заметить изменённый факт и объяснить, почему рекомендация поменялась. Если он цепляется за старый вывод, меня интересует именно это расхождение, а не уверенность его речи.
В отдельной попытке можно переставить строки исходной таблицы, не меняя значения. Тогда допустимый выбор должен остаться прежним. Порядок предложений не меняет число мест. Проверка помогает отделить рассуждение по условиям от привычки выбирать первый удобный вариант.
Я не делаю из двух задач общий научный рейтинг. Мне нужна локальная проверка собственного рабочего сценария. Она отвечает на небольшой вопрос, зато ответ можно объяснить организатору клуба и воспроизвести позже.
После обеда учитываю свою работу после ответа
Допустим, два результата выглядят полезными. Один надо перечитывать, второй дополнительно пересобирать в нужный формат. Тогда различается не только стоимость доступа, но и моя дальнейшая работа.
Я записываю в заметке время проверки и переделок. Условный пример: первый ответ появляется через20секунд, но затем требует десяти минут исправлений. Второй приходится ждать минуту, зато проверка занимает две минуты. Это мои расчётные числа, не замеры скорости ChatGPT или DeepSeek.
Для завершённого действия разница получается ощутимой. Я потратил десять минут двадцать секунд в первом сценарии и три минуты во втором. Поэтому соревнование только по времени появления текста может выбрать проигравший для моей задачи вариант.
Если результатом должен стать файл, в проверке появляется отдельная операция: открыть его и сверить нужные значения. Текст «документ готов» ещё не даёт возможности работать с документом. Я заранее отмечаю несколько контрольных полей, чтобы посмотреть их в самом файле, а не довериться описанию выполненной работы.
В заметке о проверке оставляю:
какой результат был нужен;
какие исходники передавались;
что пришлось уточнить после первого ответа;
сколько потребовалось ручных исправлений;
можно ли повторить работу тем же способом.
Последний пункт важен для клуба. Один удачный текст приглашения не решает вопрос регулярной подготовки встреч. Если каждую субботу мне придётся заново объяснять одинаковые правила, удобство хранения контекста становится самостоятельным критерием.
При этом я не оцениваю результат по совпадению со своим любимым стилем. Иногда другой вариант действительно яснее для участника. В спорном месте я задаю приземлённый вопрос: человек поймёт действие, время и ещё не утверждённые сведения?
Вечером отдельно считаю программный доступ
Теперь другая задача: пусть небольшая программа раскладывает обезличенные заявки по нужным полям. Здесь сравнение личных подписок уже недостаточно. Нужны конкретная модель, формат ответа и правила расхода программных обращений.
OpenAI публикует отдельные ставки API, включая разные виды использования. Источник: цены OpenAI API. DeepSeek тоже ведёт самостоятельную таблицу API: учитываются входные и выходные токены, а отдельные операции могут тарифицироваться по другим единицам. Источник: документация цен DeepSeek API.
Я сначала считаю объём одного принятого действия, затем предполагаемый поток. К нему добавляю повторы при ошибке формата. Самая низкая ставка не отвечает на вопрос о стоимости процесса, пока неизвестно, какой объём действительно расходуется.
Токены не равны словам. История и дополнительные сведения могут увеличивать вход. Если программа каждый раз присылает весь прошлый разговор ради одного маленького поля, расходы надо оценивать по реально отправленному объёму.
Пользовательский план и API я рассматриваю отдельно даже тогда, когда подписке доступны дополнительные преимущества. Например, OpenAI описывает API-кредиты для подходящих подписчиков с условиями активации и применимости. Это конкретная программа, которую нужно проверить для своего аккаунта, а не повод считать любой личный чат общим балансом разработки. Официальные условия связывания подписки с API-организацией.
В моей программе победителем был бы вариант, который выдерживает нужный формат и даёт приемлемую стоимость принятой записи. Проверять пришлось бы ещё ошибки и восстановление после них. Делать такой вывод по одному удобному ответу в мобильном приложении я бы не стал.
Что не помогает выбрать даже после таблицы
Мне не помогают универсальные звания «лучший для русского» или «самый умный», если за ними не описаны задания. На разных задачах читатель может вкладывать в эти слова совершенно разные требования.
Для приглашения важен тон. Для зала — сохранение ограничений. Для программы — устойчивый формат. Если смешать всё в одну оценку из десяти, красивый общий балл спрячет причину выбора.
Я также отделяю работу с текущими сведениями от уверенного текста. Если нужен действующий адрес или сегодняшняя цена, ответ должен позволять проверить источник и дату. Наличие поисковой возможности ещё не гарантирует, что конкретное утверждение найдено и подтверждено.
Для неизвестной стоимости клуба правильным результатом может быть вопрос организатору. Чат, который честно оставил пустое поле, иногда полезнее того, который быстро подставил правдоподобное значение. Важно заранее разрешить такую неопределённость в задании.
И есть проверка до любого сравнения: можно ли передавать выбранные материалы внешнему инструменту. Для моего примера достаточно вымышленных условий. Настоящие списки участников, контактные данные и рабочие секреты не нужны, чтобы понять метод выбора.
Доступность продукта и функций уточняю для своей страны и аккаунта. Чужой снимок экрана не отменяет этих условий. Я не закладываю в план функцию, которую сам пока не вижу в доступном интерфейсе.
Что лучше ChatGPT или DeepSeek после одного обычного дня
Для коротких текстовых задач я бы начал с доступного диалога и малого контрольного задания. Бесплатный вход DeepSeek может быть существенным удобством, если его хватает для нужной работы. Причину платить за другой вариант я ищу в конкретном ограничении или более удобном процессе, а не в общем ощущении старшего продукта.
Для многоэтапной работы с файлами я рассматриваю нужный рабочий режим и способ проверки результата. У ChatGPT есть документированный маршрут Work; у DeepSeek необходимо отдельно оценить соответствующий продукт, включая Harness, если задача относится к нему. Выбирать между названиями без уточнения этого слоя бессмысленно.
Для API нужен собственный небольшой набор проверок. Сравнивать следует выбранные модели с теми параметрами, которые потом будут в программе. Личный тариф при таком выборе остаётся отдельным вопросом. Подробнее про разные виды расходов есть разбор цены DeepSeek.
Условия для настольного вечера можно сначала сформулировать в LibraChat: составить краткое приглашение и вынести неизвестные сведения вопросами. Его текстовый диалог — самостоятельный инструмент, оплата которого не меняет доступ в двух сравниваемых сервисах. Тарифы LibraChat имеет смысл оценивать по своим повторяющимся задачам.
Попробуй взять один обычный день и выбрать три небольших действия из него. Дай сравниваемым вариантам одинаковые безопасные исходники и заранее запиши, что считаешь ошибкой. Сохрани не только понравившийся ответ, но и список необходимых переделок. После такой проверки у вопроса «что лучше ChatGPT или DeepSeek» появляется честное продолжение: для какой работы и по какому наблюдаемому результату.
