OpenAI Agent 数据抓取能力测试报告

核心观点与测试感受

• 测试背景: Manus 推出 Pro plan，主要功能为数据抓取和图片设计，本次测试聚焦数据抓取能力。
• 测试方法: 对 OpenAI Agent、Manus Pro、Genspark 进行 6 个任务测试，包括旧金山政府预算数据分析、Epic 公司潜在客户开发、100 款运动鞋对比矩阵、医疗健康创业公司融资分析、YouTube Genspark 视频分析、LinkedIn UX 设计师招聘。
• 测试感受:
  • OpenAI Agent 在数据抓取方面表现不佳，多次未能生成可下载表格，自然语言处理能力有待提高。
  • Manus 在数据抓取方面表现良好，但部分任务交付格式不符合要求，且报告生成过多。
  • Genspark 在数据抓取方面表现最佳，能够满足复杂需求，但下载表格流程繁琐，且存在数据编造现象。

关键数据

• 任务数量: 6 个任务，Manus 花费约 2300 点数，平均每个任务 300-500 点数。
• 旧金山政府预算数据分析: 三款 Agent 均成功完成任务，OpenAI Agent 和 Manus 生成可下载表格，Genspark 生成表格并附带财务分析图。
• Epic 公司潜在客户开发: Genspark 生成 30 条结果，Manus 生成 23 条，OpenAI Agent 生成 1 条。
• 100 款运动鞋对比矩阵: Manus 和 Genspark 生成 100 条结果，OpenAI Agent 生成 109 条，但数据准确性一般。
• 医疗健康创业公司融资分析: Genspark 生成 200 条结果，Manus 生成 8 条，OpenAI Agent 生成 5 条。
• YouTube Genspark 视频分析: 三款 Agent 均生成 20 条结果，Manus 提供视频链接，Genspark 存在数据标注错误。
• LinkedIn UX 设计师招聘: Genspark 生成 7 条结果，Manus 生成 10 条，OpenAI Agent 生成 4 条，信息完整性方面 Genspark 表现最佳。

研究结论

• Manus 在数据抓取方面表现良好，但需改进报告生成和表格下载体验。
• Genspark 在数据抓取方面表现最佳，但需改进数据准确性和下载流程。
• OpenAI Agent 在数据抓取方面表现不佳，需提升自然语言处理能力和任务完成度。
• 市场进化迅速，本次测试结果不代表未来表现。