ChatGPT vs. Gemini Deep Research: was im August 2026 wirklich anders ist

„Deep Research“ bedeutet bei jedem Unternehmen etwas leicht anderes, aber das Grundprinzip ist gleich: Man gibt eine Forschungsfrage vor, und statt einer einzelnen Chat-Antwort plant das Tool eine mehrstufige Recherche, durchsucht Dutzende bis Hunderte Quellen und liefert Minuten später einen langen, mit Zitaten belegten Bericht. OpenAI führte die Kategorie als erstes ein, im Februar 2025; Google, Anthropic und Perplexity haben seither jeweils eigene Versionen veröffentlicht. Dieser Artikel vergleicht die eigenständigen Chat-Assistenten-Versionen der Funktion. Auch Gemini Notebook (früher NotebookLM) hat einen eigenen Deep-Research-Modus, der aber nur gegen die Quellen des jeweiligen Notebooks arbeitet, nicht gegen das offene Web; unser Ratgeber zu Gemini Notebook Deep Research behandelt speziell diese Version.

Aktuelle Nutzungslimits, Tool für Tool

Diese Tabelle ist der Teil, den fast kein Vergleich richtig hinbekommt, weil sich die Zahlen ständig ändern und ältere Artikel einfach nicht aktualisiert werden. Alles, was du anderswo mit einem Veröffentlichungsdatum vor Mitte 2026 liest, solltest du als höchstwahrscheinlich veraltet behandeln.

Tool                Free tier          Mid tier                    Top tier
------------------------------------------------------------------------------------
ChatGPT              5 lightweight      Plus/Team/Edu: 25 full        Pro: 250 full
Deep Research         runs/month         runs/mo + unlimited           runs/month
                                          lightweight fallback

Gemini Deep          No published       No fixed run count. Google replaced flat
Research              number             daily limits with a rolling 5-hour compute
                                          quota on 17 May 2026, weighted by request
                                          complexity: Free/Standard baseline, AI Pro
                                          ~4x, Ultra $99.99 5x, Ultra $199.99 20x

Claude Research      Not available on   Pro/Max/Team/Enterprise:      Same as mid tier;
                      Free plan          no separate quota, uses       Max gets 5-20x more
                                          standard Claude usage         total usage than Pro
                                          limits

Perplexity Deep      5 runs/day         Pro ($20/mo): ~20 runs/       Max ($200/mo):
Research                                 month (cut from ~500-600/     unlimited
                                          day in an unannounced
                                          early-2026 change)

Sources: OpenAI's own Deep Research documentation; Google's Gemini
Deep Research page and support pages on the May 2026 compute-quota
restructure; Anthropic's support.claude.com Research article;
Perplexity usage-limit tracking via ailimit.watch, corroborated by
Reddit and Trustpilot complaints. Current as of 29 Aug 2026. Neither
Google nor Anthropic publishes an exact numeric Deep Research limit;
re-check in-app before assuming these figures hold indefinitely.

Geminis Zeile sieht absichtlich anders aus als die anderen. Ältere Vergleiche, darunter auch einige aus diesem Jahr, listen für Gemini weiterhin eine feste Zahl „X Deep-Research-Durchläufe pro Tag“, die aus der Zeit vor dem 17. Mai 2026 übernommen wurde, als Google feste tägliche Prompt- und Funktionslimits zugunsten des oben beschriebenen rollierenden Compute-Kontingents abschaffte, ausführlicher behandelt in unserer eigenen Google-AI-Ultra-Preisübersicht. Zitiert ein Gemini-Vergleich, den du liest, eine konkrete tägliche Deep-Research-Zahl, ohne diese Umstrukturierung zu erwähnen, beschreibt er ein System, das Google nicht mehr verwendet. ChatGPTs Zahlen gehen auf OpenAIs eigene Deep-Research-Rollout-Dokumentation zurück, und es lohnt sich zu wissen, dass OpenAI den ehemals einzelnen 200-$-Pro-Plan im April 2026 in getrennte 100-$- und 200-$-Stufen aufgeteilt hat, die offenbar beide dasselbe monatliche Kontingent von 250 Durchläufen teilen; prüfe die Limit-Anzeige im eigenen Konto, falls die genaue Zahl für deinen Workflow wichtig ist.

Warum Google und Anthropic keine Zahl veröffentlichen

Diese Asymmetrie verdient eine eigene Erwähnung, weil sie bestimmt, wie vorhersehbar jedes Tool tatsächlich in der Nutzung ist. OpenAI und Perplexity veröffentlichen beide eine exakte Durchlaufzahl pro Abrechnungszeitraum, sodass man immer weiß, woran man ist. Googles offizielle Gemini-Deep-Research-Seite beschreibt die Verfügbarkeit nach Abo-Stufe und sagt, Berichte kämen „in wenigen Minuten“ zurück, nennt aber nirgendwo auf der Seite selbst eine maximale Durchlaufzahl. Anthropics Hilfe-Center stellt ausdrücklich klar, dass Research „denselben Limits wie normale Claude-Gespräche unterliegt“, es also überhaupt kein separates Deep-Research-Kontingent zu verfolgen gibt, sondern nur das reguläre Nachrichtenkontingent, das eine rechercheintensive Sitzung schneller aufbraucht, weil Claude pro Runde mehrere Quellen abruft und liest. Wem Vorhersehbarkeit wichtiger ist als reine Leistungsfähigkeit, für den könnte allein dieser Unterschied entscheidender sein als jeder Qualitätsvergleich weiter unten.

Die Multimodal-Frage, geklärt

Eine bestimmte Behauptung geistert in älteren Vergleichen immer wieder herum: ChatGPTs Deep Research akzeptiere eigene Dateien und Bilder als Input, Geminis Version sei dagegen reiner Web-Text. Das stimmte, als es geschrieben wurde, aber Google hat die Lücke auf seiner I/O-Veranstaltung im Mai 2025 geschlossen und Deep Research um Datei- und Bild-Upload erweitert, sodass es eigene Dokumente in einem einzigen Durchlauf mit offener Web-Recherche kombinieren kann – dieselbe grundlegende Fähigkeit, die ChatGPT bereits hatte. Wer einen Vergleich liest, der das immer noch als reinen ChatGPT-Vorteil darstellt, liest die Beschreibung einer Lücke, die vor über einem Jahr geschlossen wurde. Beide Tools erlauben inzwischen den direkten Upload von Quellmaterial; keines der beiden veröffentlicht eine exakte Dateigrößen-Obergrenze speziell für Deep Research, getrennt von den allgemeinen Chat-Upload-Limits.

Perplexitys Kontingent-Einbruch: die Geschichte, die andere Vergleiche übersehen

Jeder bestehende „ChatGPT vs Gemini“-Artikel, den wir gefunden haben, ignoriert Perplexitys Deep Research entweder komplett oder behandelt dessen alte Limits als noch aktuell. Das ist eine echte Lücke, denn Perplexitys Deep-Research-Kontingent in der Pro-Stufe hat die schärfste Kürzung von allen hier behandelten Tools erlebt. Über den größten Teil von 2025 konnten Perplexity-Pro-Abonnenten Deep Research rund 500 bis 600 Mal am Tag nutzen. Durch eine nicht angekündigte Änderung, die auf Februar 2026 zurückverfolgt wurde, sank dieses Kontingent auf rund 20 Durchläufe pro Monat, eine Kürzung um mehr als 95 %, die Perplexitys eigenes Änderungsprotokoll lediglich als Anpassung der Nutzungslimits beschreibt, „um pro Sitzung mehr Rechenleistung bereitzustellen“. Die Änderung löste sichtbaren Gegenwind aus: Sowohl „cancel perplexity“ als auch „perplexity pro limits“ verzeichneten in diesem Monat einen Anstieg beim Suchinteresse, und auf Reddit und Trustpilot häuften sich Beschwerden von Nutzern, die Pro gezielt wegen der Recherchefunktion gekauft hatten. Beim letzten Tracking-Stand war diese niedrigere Zahl von rund 20 pro Monat immer noch das aktuelle Pro-Kontingent, wobei die 200-$/Monat-Stufe Max die einzige unbegrenzte Option bleibt.

Wer sich heute speziell wegen Deep Research für Perplexity Pro entscheidet, sollte über einen Monat gerechnet mit etwa einem Durchlauf alle anderthalb bis zwei Tage kalkulieren, nicht mit der Viele-Durchläufe-pro-Tag-Zahl, die in Berichten, die die Änderung nicht mitbekommen haben, immer noch kursiert. Braucht dein Workflow wirklich mehr als das, könnten das unbegrenzte Kontingent von Max oder das monatliche Kontingent eines konkurrierenden Tools die bessere Wahl sein, bevor du mitten im Projekt an eine Wand stößt.

Welches Tool wirklich weniger halluziniert: ein echter Benchmark

Fast jeder bestehende Vergleich stützt sich auf die subjektive Einschätzung einer einzelnen Person, die ein paar Testberichte gelesen hat. Ein Forschungspapier von Mai 2026, „Cited but Not Verified: Parsing and Evaluating Source Attribution in LLM Deep Research Agents“, ist eine deutlich fundiertere Alternative. Es testete 14 Closed- und Open-Source-Modelle, die in Deep-Research-Agenten zum Einsatz kommen, entlang drei getrennter Dimensionen: ob ein zitierter Link tatsächlich funktioniert, ob der verlinkte Inhalt thematisch relevant ist, und ob der zitierte Inhalt die Aussage, an die er angehängt ist, tatsächlich stützt – was das Papier seinen Fact-Check-Wert nennt. Diese letzte, strengste Dimension erschwert die Annahme, mehr Zitate bedeuteten automatisch einen vertrauenswürdigeren Bericht.

Model family (frontier models tested)    Link works   Relevant content   Fact Check
--------------------------------------------------------------------------------------
OpenAI (GPT-5 Mini, 5.2, 5.4, Codex)       97-100%      87-94%             39-59%
Claude (Sonnet 4.5/4.6, Opus 4.5/4.6,      97-99%       84-96%             52-77%
  Haiku 4.5)                                                                (Opus 4.5
                                                                             highest: 77%)
Gemini (3 Flash, 3.1 Pro)                  ~94%         81-83%             45-49%

Source: "Cited but Not Verified" (arxiv.org/abs/2605.06635), Table 1,
submitted May 2026. Figures are the paper's own model-level testing of
each family's frontier entries, not a live re-run performed for this
article, and reflect the underlying models' research-agent behavior
rather than a test of the exact commercial product wrapper (ChatGPT,
Gemini, or Claude's own app) each company ships. Treat as directional
evidence of a real accuracy gap, not a guarantee about any single
Deep Research run today.

Fast jedes getestete Modell beherrscht die Mechanik: Links lösen sich auf, und der Inhalt trifft bei allen drei Modellfamilien in deutlich über 90 % der Fälle thematisch ins Schwarze. Die Lücke öffnet sich beim strengsten Test, ob die zitierte Passage tatsächlich das stützt, was der Bericht behauptet. Dort liegen OpenAIs getestete Modelle am niedrigsten (39-59 %), Geminis Modelle in der Mitte (45-49 %), und Claudes Modelle schneiden am besten ab, mit Opus 4.5 als einzelnem Spitzenreiter bei rund 77 %. Das heißt nicht, dass das Produkt eines Unternehmens einfach „besser“ ist; es heißt, dass ein Bericht mit selbstbewusst wirkenden Zitaten nicht automatisch einer ist, dem man ohne unabhängige Prüfung einiger dieser Quellen vertrauen kann – eine Unterscheidung, die man sich merken sollte, bevor man einen KI-generierten Deep-Research-Bericht in etwas Wichtigem zitiert.

Geschwindigkeit und Berichtstiefe: jede konkrete Zahl mit Vorsicht genießen

Ältere Vergleiche lieben präzise klingende Zahlen: Ein vielzitierter Test von 2025 maß, dass Gemini einen Bericht mit 7.500 Wörtern und 55 Quellen in 12 Minuten produzierte, gegenüber 1.700 Wörtern und 38 Quellen bei ChatGPT in 17 Minuten, und schloss daraus, Gemini sei sowohl gründlicher als auch rund 40 % schneller. Solche Zahlen sollte man als Momentaufnahme eines einzelnen Durchlaufs verstehen, nicht als stabile Eigenschaft des jeweiligen Tools: Nutzer von Gemini Deep Research berichten von Quellenzahlen, die bei im Wesentlichen derselben Art von Anfrage zwischen rund 10 und über 600 schwanken, ohne dass sich am Tool selbst etwas geändert hätte. Quellenzahl und Wortzahl hängen stark davon ab, wie eng oder breit die Frage gestellt ist und wie viel das Modell für ein bestimmtes Thema für angemessen hält – sie sind also keine stabilen, zwischen Tools vergleichbaren Kennzahlen, nicht einmal zwischen zwei Durchläufen desselben Tools am selben Tag. Richte deine Erwartungen an den oben behandelten Fähigkeiten und Kosten aus, nicht an einer einzelnen Zahl zu Berichtslänge oder Laufzeit.

Welches Tool für welchen Einsatzzweck passt

• Brauchst du ein exaktes, planbares Kontingent → ChatGPT (Plus/Pro) oder Perplexity (Free/Max), die beide eine konkrete Zahl veröffentlichen. Meide speziell Perplexity Pro, wenn dir Deep-Research-Volumen wichtig ist, angesichts der Kontingentkürzung von 2026.
• Zahlst du bereits für Google Workspace oder Gemini und möchtest Gmail-/Drive-/Docs-Kontext in die Recherche einfließen lassen → Gemini Deep Research, das eigene Workspace-Inhalte neben dem offenen Web einbezieht, ohne separates Abo.
• Ist dir Zitiergenauigkeit wichtiger als reine Berichtslänge, etwa bei allem, was du in der eigenen Arbeit weiterzitierst → Claude Research, basierend auf den Fact-Check-Ergebnissen oben, mit dem Nachteil, dass Anthropic weder exakte Nutzungszahlen noch eine maximale Berichtslänge veröffentlicht, mit der man planen könnte.
• Arbeitest du bereits in einem Gemini-Notebook-Rechercheprojekt und möchtest, dass Deep Research gezielt gegen die von dir gesammelten Quellen arbeitet, nicht gegen das offene Web → Gemini Notebooks eigener Deep-Research-Modus, eine andere, engere Funktion, die in unserem eigenen Ratgeber behandelt wird.

Häufige Fragen

Welche KI hat die beste Deep-Research-Funktion: ChatGPT, Gemini, Claude oder Perplexity?

Es gibt keinen eindeutigen Gewinner. ChatGPT und Perplexity veröffentlichen exakte Nutzungslimits und sind damit am besten planbar; Gemini bindet eigene Workspace-Inhalte ein; Claudes Modellfamilie erzielte in einer unabhängigen Studie von Mai 2026 die höchste Zitier-Fakten-Check-Genauigkeit, auch wenn Anthropic kein numerisches Nutzungslimit veröffentlicht. Die richtige Wahl hängt davon ab, ob dir planbares Kontingent, Workspace-Integration oder Zitier-Vertrauenswürdigkeit am wichtigsten ist.

Kann Gemini Deep Research meine eigenen hochgeladenen Dateien nutzen, oder nur das offene Web?

Beides. Google hat Gemini Deep Research im Mai 2025 um Datei- und Bild-Upload erweitert, sodass es eigene Dokumente in einem einzigen Durchlauf mit offener Web-Recherche kombinieren kann. Ältere Artikel, die behaupten, Gemini sei reines Web-Tool, beschreiben eine Lücke, die vor über einem Jahr geschlossen wurde.

Warum wurde Perplexitys Deep Research 2026 plötzlich schlechter?

Perplexity kürzte das Deep-Research-Kontingent der Pro-Stufe durch eine nicht angekündigte, auf Februar 2026 zurückverfolgte Änderung von rund 500-600 Durchläufen pro Tag auf etwa 20 Durchläufe pro Monat, im eigenen Änderungsprotokoll nur als Neuverteilung der Rechenleistung pro Sitzung beschrieben. Die Kürzung löste bei Pro-Abonnenten, die gezielt für Recherche-Volumen bezahlt hatten, sichtbaren Gegenwind auf Reddit und Trustpilot aus.

Bedeuten mehr Zitate in einem Deep-Research-Bericht auch mehr Genauigkeit?

Nicht unbedingt. Eine Studie von Mai 2026, die 14 in Deep-Research-Agenten eingesetzte Modelle testete, fand bei OpenAI-, Gemini- und Claude-Modellfamilien durchgehend hohe Link-Gültigkeit und thematische Relevanz (über 90 %), aber stark schwankende Faktengenauigkeit der zitierten Inhalte: 39-59 % bei OpenAIs getesteten Modellen, 45-49 % bei Geminis, und 52-77 % bei Claudes, mit Claude Opus 4.5 als Spitzenreiter bei rund 77 %. Ein selbstbewusst wirkendes Zitat ist nicht automatisch ein korrektes.

Ist Claude Research im kostenlosen Plan verfügbar?

Nein. Anthropics Research-Funktion erfordert einen bezahlten Plan: Pro, Max, Team oder Enterprise. Sie hat kein eigenes veröffentlichtes Nutzungskontingent, sondern greift auf dieselben Nutzungslimits wie normale Claude-Gespräche zurück, die eine Recherchesitzung schneller aufbraucht als ein gewöhnlicher Chat.