AI model comparison: टेक दुनिया में बेंचमार्क टेस्ट भले ही अहम माने जाते हों, लेकिन असली मायने तब सामने आते हैं जब इन AI मॉडल्स का रोज़मर्रा के कामों में इस्तेमाल किया जाता है। हाल ही में एक टेक यूज़र ने Grok 4, Grok 4 Heavy, Gemini 2.5 Pro, Gemini Deep Think, ChatGPT-5 और ChatGPT-5 Thinking जैसे मॉडल्स को परखा और पाया कि असली फर्क usability में है।
यूज़र ने बताया कि एक बिज़नेस ओनर के तौर पर उनका मकसद सिर्फ टेस्टिंग नहीं, बल्कि ऐसा टूल ढूंढना था जो समय बचाए, अलग-अलग लोगों पर निर्भरता कम करे और भरोसेमंद तरीके से काम पूरा करे। इस मामले में ChatGPT-5 ने बाज़ी मारी। यह न केवल ZIP फाइल को आसानी से अनज़िप कर सका, बल्कि उसके अंदर के कोड का विश्लेषण कर सुधार के सुझाव भी दिए। वहीं, Grok 4 ZIP फाइल्स पर फेल हो गया और Gemini फाइल्स खोलने में सक्षम था, लेकिन ज्यादा फाइल्स होने पर गड़बड़ा गया।
टेस्टिंग यहीं तक सीमित नहीं रही। यूज़र के एक दोस्त, जो क्वांटम फिजिक्स के प्रोफेसर हैं, ने AI मॉडल्स को बेहद जटिल और रिसर्च-लेवल सवाल पूछे, ऐसे सवाल जिनके जवाब इंटरनेट पर उपलब्ध नहीं थे। खास बात यह थी कि सवाल में एक ज़रूरी जानकारी जानबूझकर छोड़ दी गई थी, ताकि देखा जा सके कि मॉडल उस कमी को पहचान पाता है या नहीं।
इस चुनौती में केवल ChatGPT-5 Thinking और Gemini Deep Think ही ऐसे मॉडल साबित हुए जिन्होंने गायब जानकारी को पहचानकर उस खाली जगह को भरने की कोशिश की। Grok 4 इस स्तर पर टिक नहीं पाया और सवाल की गहराई समझने में चूक गया।
इस अनुभव ने साबित किया कि किसी भी AI मॉडल की असली क्षमता सिर्फ मानक परीक्षणों से नहीं, बल्कि जटिल और रियल-टाइम समस्याओं से परखी जाती है। खासकर जब बात कोडिंग, डाटा एनालिसिस या आउट-ऑफ-द-बॉक्स सोच की हो, तो ChatGPT-5 और Gemini Deep Think जैसे मॉडल्स सबसे आगे निकलते हैं। इससे ये भी साबित होता है कि सवालों के अनुसार सभी AI की अपनी खासियत है।