一句话看懂：有用户实测发现，在抓取微信公众号文章和抖音视频这类”反爬”场景里，Gemini 能直接绕过常规阻碍给出可用脚本，而 ChatGPT 却反复尝试浏览器读取、computer use 视觉解析，耗时和 token 消耗都明显更高。这折射出两家头部大模型在 agent 任务规划策略上的差异。
事件核心：发生了什么
据 X 用户 @fly3nn 于 2026 年 9 月 27 日发布的实测帖，他让 Gemini 抓取微信公众号文章时，模型在几种基础方式受阻后，直接模拟微信浏览器内核的请求头，给出可执行脚本完成抓取；获取抖音视频和音频时，Gemini 同样在基础操作失败后定位到抖音视频的 CDN 链接，从 CDN 直接拉取，再用 ytb cli 完成解析。
同一任务交给 ChatGPT 后，路径截然不同：先尝试基础脚本失败，转用内置 chrome 读取公众号，遇到 DOM 加载超时后改为调用本机 chrome 再次读取，识别到页面存在反 AI 抓取脚本后，最终决定用 computer use 以视觉方式读取文章内容。发帖人据此认为两者在该场景下差距明显，并对 ChatGPT 的耗时与 token 消耗提出质疑。
为什么重要
这类对比并非简单的”跑分”，而是暴露了大模型作为 agent 的规划能力差异。抓取受阻时，模型面临的是开放式决策：是继续在浏览器层面硬解，还是换到请求头伪装、CDN 直取等更底层的路径。Gemini 选择了后者，说明它在任务分解和工具调用上更倾向于寻找最短路径；ChatGPT 则更依赖浏览器和视觉链路，工程上更”稳妥”，但代价是时间和推理开销。
对行业而言，这意味着大模型竞争正从”回答质量”向”能不能真正把活干完”迁移。API 调用成本、推理步数、工具编排效率，都会成为开发者和企业选型时的硬指标，而不是只看对话表现。
对用户/开发者/创作者的影响
对开发者来说，如果手头有批量内容采集、跨平台数据获取的需求，这类实测提示：不同模型在工具链编排上的”性格”差异很大，选型时最好用自己的真实任务做小规模验证，而不是只看通用榜单。对内容创作者和运营者，公众号、抖音等平台的反爬机制会持续升级，依赖单一模型一次性解决抓取并不现实，脚本的可维护性和合规风险仍需自行评估。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业采购方，token 消耗和任务完成时间是可直接折算的成本项。目前公开信息显示这只是一次个人实测，样本有限，不宜直接推导为两家模型的整体能力排序，但足以作为评估 agent 能力的一个观察切口。
值得关注的后续
一是两家是否会在 agent 工具链上做出针对性优化，比如更主动地识别反爬并切换请求策略；二是这类能力是否会以 API 或内置工具形式对外开放，影响开发者的接入成本；三是平台侧反爬规则迭代后，模型绕行方案的有效性能维持多久。
来源：@fly3nn
