AI应用风向标（公众号：ZhidxcomAI）

作者｜江宇

编辑｜漠影

智东西11月25日报道，今日，OpenAI正式在ChatGPT内上线“shopping research”购物研究功能，为用户提供针对具体需求的商品研究与对比能力。该功能基于强化学习特别训练的GPT-5 mini版本，能够抓取零售网站的商品信息、整理对比，并生成个性化购买指南。

目前，“shopping research”购物研究功能将向Free、Go、Plus和Pro用户开放，并在假期期间提供几乎不限量的使用额度。

该功能的核心在于把“找商品”变成一个交互对话过程。用户只需描述需求，比如“1000美元以内、屏幕超过15英寸、适合游戏的笔记本”或“轻便好折叠的婴儿车”，系统会自动提出更为细节的问题，在查询价格、参数、评价、库存后返回候选方案，并随着用户反馈逐步缩小范围。最终，用户会收到一份包含推荐产品、差异点、性能取舍和参考来源的购买建议。

功能上线后，不少海外网友对其使用体验与潜在影响提出了不同看法。

有用户关注OpenAI未来是否会向商家收取佣金，认为这可能改变传统的联盟返佣模式。

（图源：X）

有人更担心推荐结果是否会因商家投入或广告机制而偏移，从而难以保证真正的客观性。

（图源：X）

也有网友直接指出，“这不是研究，而是套利。”

（图源：X）

争议之外，来看看这项功能到底怎么用？又强在哪里？

在用户开启购物研究后，ChatGPT会进入一个独立的视觉交互界面，用户可以持续补充条件，比如预算上限、使用情境、接受的尺寸范围或收礼对象。

当用户开启ChatGPT记忆功能时，系统会结合历史偏好进行过滤，比如先前询问过游戏设备的用户，可能会被优先推荐性能更强的笔记本。

搜索过程中，模型会从公开零售页面读取信息，包括价格、规格、库存和用户评价，并结合实时反馈改变检索方向。

用户不需要浏览大量页面，只需持续回应模型提出的澄清问题。研究完成后，系统生成一份“买手式”报告，涵盖推荐型号、关键差异、性能边界和适配人群。用户若有购买意愿，可跳转至零售商网站。

OpenAI还提到，未来将支持接入即时结算功能的商家，用户可直接在ChatGPT内完成下单。

Shopping research基于GPT-5-Thinking-mini模型，通过强化学习专项训练阅读可信电商与产品资料，并在回答中引用来源、整合多个网站信息。

与普通聊天结果不同，这一版本强调“深度决策场景”，比如参数众多、权衡复杂的电子产品、家居、运动装备和美容用品。

OpenAI展示了内部测试结果：在覆盖价格、材质、配置等诸多约束条件的评测中，shopping research的“产品准确率（指推荐列表中符合用户所有要求的产品比例）”达到64%，GPT-5-Thinking为56%，GPT-5-Thinking-mini为37%，而基于普通搜索的ChatGPT为52%。

（图源：OpenAI官网）

OpenAI强调，推荐结果来自公开零售页面，并避免低质量网站。用户对话不会共享给零售商，商家若希望其商品可被检索，需要通过单独的“allowlisting”流程。OpenAI同时提醒，模型仍可能在价格与库存等细节上出现偏差，建议购买前访问商家页面核对信息。

此外，购物研究还将融合ChatGPT Pulse能力，针对持续讨论某类产品的Pro用户主动生成个性化购物建议，例如在长期讨论电动自行车后自动提示相关配件。

当前功能尚处初期版本，后续迭代方向包括强化模型对用户偏好的识别能力、覆盖更多品类，并在对比呈现上提供更直接的交互方式。

当AI不仅能聊天、写代码，还能精准推荐用户“该买什么”时，它正悄然走向电商生态的中心舞台。

然而，便捷背后仍需警惕：推荐是否中立？数据如何保护？商业利益会不会悄然左右“客观建议”？这些问题的答案，将决定AI购物是真正帮助消费者，还是演变为另一种形式的精准营销。

无论如何，一个由大模型驱动的“智能导购时代”已经拉开序幕。你的下一次购物，或许就从一句“你觉得我该买哪个？”开始。