AI應用風向標（公眾號：ZhidxcomAI）
作者｜江宇
編輯｜漠影
智東西11月25日報道，今日，OpenAI正式在ChatGPT內上線“shopping research”購物研究功能，為用戶提供針對具體需求的商品研究與對比能力。該功能基于強化學習特別訓練的GPT-5 mini版本，能夠抓取零售網(wǎng)站的商品信息、整理對比，并生成個性化購買指南。
目前，“shopping research”購物研究功能將向Free、Go、Plus和Pro用戶開放，并在假期期間提供幾乎不限量的使用額度。
該功能的核心在于把“找商品”變成一個交互對話過程。用戶只需描述需求，比如“1000美元以內、屏幕超過15英寸、適合游戲的筆記本”或“輕便好折疊的嬰兒車”，系統(tǒng)會自動提出更為細節(jié)的問題，在查詢價格、參數(shù)、評價、庫存后返回候選方案，并隨著用戶反饋逐步縮小范圍。最終，用戶會收到一份包含推薦產品、差異點、性能取舍和參考來源的購買建議。
功能上線后，不少海外網(wǎng)友對其使用體驗與潛在影響提出了不同看法。
有用戶關注OpenAI未來是否會向商家收取傭金，認為這可能改變傳統(tǒng)的聯(lián)盟返傭模式。
▲（圖源：X）
有人更擔心推薦結果是否會因商家投入或廣告機制而偏移，從而難以保證真正的客觀性。
▲（圖源：X）
也有網(wǎng)友直接指出，“這不是研究，而是套利。”
▲（圖源：X）
爭議之外，來看看這項功能到底怎么用？又強在哪里？
一、從比價到對話，購物不再靠來回翻網(wǎng)頁
在用戶開啟購物研究后，ChatGPT會進入一個獨立的視覺交互界面，用戶可以持續(xù)補充條件，比如預算上限、使用情境、接受的尺寸范圍或收禮對象。
當用戶開啟ChatGPT記憶功能時，系統(tǒng)會結合歷史偏好進行過濾，比如先前詢問過游戲設備的用戶，可能會被優(yōu)先推薦性能更強的筆記本。
搜索過程中，模型會從公開零售頁面讀取信息，包括價格、規(guī)格、庫存和用戶評價，并結合實時反饋改變檢索方向。
用戶不需要瀏覽大量頁面，只需持續(xù)回應模型提出的澄清問題。研究完成后，系統(tǒng)生成一份“買手式”報告，涵蓋推薦型號、關鍵差異、性能邊界和適配人群。用戶若有購買意愿，可跳轉至零售商網(wǎng)站。
OpenAI還提到，未來將支持接入即時結算功能的商家，用戶可直接在ChatGPT內完成下單。
二、小模型專門做購物，參數(shù)、預算、取舍都能說清
Shopping research基于GPT-5-Thinking-mini模型，通過強化學習專項訓練閱讀可信電商與產品資料，并在回答中引用來源、整合多個網(wǎng)站信息。
與普通聊天結果不同，這一版本強調“深度決策場景”，比如參數(shù)眾多、權衡復雜的電子產品、家居、運動裝備和美容用品。
OpenAI展示了內部測試結果：在覆蓋價格、材質、配置等諸多約束條件的評測中，shopping research的“產品準確率（指推薦列表中符合用戶所有要求的產品比例）”達到64%，GPT-5-Thinking為56%，GPT-5-Thinking-mini為37%，而基于普通搜索的ChatGPT為52%。
▲（圖源：OpenAI官網(wǎng)）
三、不賣聊天記錄，不賣隱私，商家想出現(xiàn)要走準入
OpenAI強調，推薦結果來自公開零售頁面，并避免低質量網(wǎng)站。用戶對話不會共享給零售商，商家若希望其商品可被檢索，需要通過單獨的“allowlisting”流程。OpenAI同時提醒，模型仍可能在價格與庫存等細節(jié)上出現(xiàn)偏差，建議購買前訪問商家頁面核對信息。
此外，購物研究還將融合ChatGPT Pulse能力，針對持續(xù)討論某類產品的Pro用戶主動生成個性化購物建議，例如在長期討論電動自行車后自動提示相關配件。
當前功能尚處初期版本，后續(xù)迭代方向包括強化模型對用戶偏好的識別能力、覆蓋更多品類，并在對比呈現(xiàn)上提供更直接的交互方式。
結語：下一個購物入口，是AI對話框
當AI不僅能聊天、寫代碼，還能精準推薦用戶“該買什么”時，它正悄然走向電商生態(tài)的中心舞臺。
然而，便捷背后仍需警惕：推薦是否中立？數(shù)據(jù)如何保護？商業(yè)利益會不會悄然左右“客觀建議”？這些問題的答案，將決定AI購物是真正幫助消費者，還是演變?yōu)榱硪环N形式的精準營銷。
無論如何，一個由大模型驅動的“智能導購時代”已經(jīng)拉開序幕。你的下一次購物，或許就從一句“你覺得我該買哪個？”開始。
