ChatGPT vs Gemini Deep Research: o que realmente muda em agosto de 2026

"Deep Research" significa algo ligeiramente diferente em cada empresa, mas o formato é o mesmo: você dá uma pergunta de pesquisa, e em vez de uma única resposta de chat, a ferramenta planeja uma investigação em várias etapas, navega por dezenas ou centenas de fontes, e volta minutos depois com um relatório longo e citado. A OpenAI introduziu a categoria primeiro em fevereiro de 2025; Google, Anthropic e Perplexity lançaram suas próprias versões desde então. Este artigo compara as versões autônomas do recurso, dentro do assistente de chat de cada empresa. O Gemini Notebook (antigo NotebookLM) também tem seu próprio modo Deep Research, que funciona apenas contra as fontes do seu notebook, e não a web aberta; nosso guia de Deep Research do Gemini Notebook cobre essa versão especificamente.

Limites atuais dos planos, ferramenta por ferramenta

Essa tabela é a parte que quase nenhuma comparação acerta, porque os números continuam mudando e artigos mais antigos simplesmente não são atualizados. Trate qualquer coisa que você ler em outro lugar com data de publicação anterior a meados de 2026 como muito provavelmente desatualizada.

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.

A linha do Gemini é diferente das outras de propósito. Comparações mais antigas, incluindo algumas publicadas neste ano, ainda listam um número fixo de "X execuções de Deep Research por dia" para o Gemini, copiado de antes de o Google eliminar os limites fixos diários de prompts e recursos em 17 de maio de 2026, em favor da cota de computação rotativa acima, detalhada com mais profundidade no nosso detalhamento de preços do Google AI Ultra. Se uma comparação do Gemini que você está lendo cita um número diário específico de Deep Research sem mencionar essa reestruturação, ela está descrevendo um sistema que o Google não usa mais. Os números do ChatGPT vêm da própria documentação de lançamento do Deep Research da OpenAI, e vale saber que a OpenAI dividiu o que era um único plano Pro de $200 em planos separados de $100 e $200 em abril de 2026, ambos aparentemente compartilhando a mesma cota mensal de 250 execuções; verifique o indicador de limite da sua própria conta se o número exato importar para o seu fluxo de trabalho.

Por que Google e Anthropic não publicam um número

Essa assimetria merece ser destacada por si só, porque molda o quão previsível cada ferramenta é de usar na prática. OpenAI e Perplexity publicam um número exato de execuções por período de cobrança, então você sempre sabe onde está. A página oficial do Gemini Deep Research do Google descreve a disponibilidade por plano de assinatura e diz que os relatórios voltam "em minutos", mas não informa nenhum número máximo de execuções em nenhum lugar da própria página. O centro de ajuda da Anthropic é explícito ao dizer que o Research "está sujeito aos mesmos limites das conversas padrão da Claude", o que significa que não existe nenhuma cota separada de Deep Research para acompanhar, apenas sua cota normal de mensagens, que uma sessão de pesquisa intensa consome mais rápido, já que a Claude recupera e lê várias fontes por turno. Se previsibilidade importa mais para você do que capacidade bruta, só essa diferença já pode decidir qual ferramenta se encaixa melhor no seu fluxo de trabalho do que qualquer comparação de qualidade abaixo.

A questão multimodal, resolvida

Uma alegação específica continua circulando em comparações mais antigas: a de que o Deep Research do ChatGPT aceita seus próprios arquivos e imagens como entrada, enquanto o do Gemini seria só texto da web. Isso era verdade quando foi escrito, mas o Google fechou essa lacuna no evento I/O de maio de 2025, adicionando suporte a upload de arquivos e imagens ao Deep Research, para que ele possa combinar seus próprios documentos com pesquisa na web aberta numa única execução, a mesma capacidade básica que o ChatGPT já tinha. Se você está lendo uma comparação que ainda apresenta isso como uma vantagem exclusiva do ChatGPT, ela está descrevendo uma lacuna que fechou há mais de um ano. As duas ferramentas agora permitem enviar material de origem diretamente; nenhuma das duas publica um limite exato de tamanho por arquivo especificamente para o Deep Research, separado dos limites gerais de upload do chat.

O colapso da cota da Perplexity: a história que outras comparações ignoram

Todo artigo existente de "ChatGPT vs Gemini" que encontramos ignora completamente o Deep Research da Perplexity, ou trata seus limites antigos como se ainda estivessem em vigor. Essa é uma lacuna real, porque a cota de Deep Research do plano Pro da Perplexity passou pelo corte mais drástico entre todas as ferramentas cobertas aqui. Durante a maior parte de 2025, assinantes do Perplexity Pro podiam rodar o Deep Research entre 500 e 600 vezes por dia, aproximadamente. Numa mudança não anunciada, rastreada até fevereiro de 2026, essa cota caiu para cerca de 20 execuções por mês, uma redução de mais de 95%, descrita no próprio changelog da Perplexity apenas como limites de uso sendo "ajustados para alocar mais poder de computação por sessão". A mudança gerou uma reação visível: tanto "cancel perplexity" quanto "perplexity pro limits" tiveram picos de interesse de busca naquele mês, e reclamações se acumularam no Reddit e no Trustpilot vindas de usuários que tinham comprado o Pro especificamente pela capacidade de pesquisa. No rastreamento mais recente, esse número menor de cerca de 20 por mês ainda era a cota Pro vigente, com o plano Max de $200/mês continuando como a única opção ilimitada.

Se você está escolhendo o Perplexity Pro hoje especificamente pelo Deep Research, calcule algo como uma execução a cada um dia e meio a dois dias ao longo de um mês, não o número de muitas execuções por dia que ainda circula em coberturas que não se atualizaram com a mudança. Se seu fluxo de trabalho genuinamente precisa de mais que isso, a cota ilimitada do Max ou a cota mensal de uma ferramenta concorrente pode ser a opção melhor, antes que você esbarre num muro no meio de um projeto.

Qual delas realmente aluciona menos: um benchmark real

Quase toda comparação existente se baseia na leitura subjetiva de uma pessoa sobre alguns relatórios de teste. Um artigo de pesquisa de maio de 2026, "Cited but Not Verified: Parsing and Evaluating Source Attribution in LLM Deep Research Agents", é uma alternativa mais rigorosa. Ele testou 14 modelos, de código aberto e fechado, usados em agentes de deep research, em três dimensões separadas: se um link citado realmente funciona, se o conteúdo do link é relevante ao tema, e se o conteúdo citado realmente sustenta a alegação à qual está associado, o que o artigo chama de sua pontuação Fact Check. Essa última dimensão, a mais rigorosa, complica a suposição de que mais citações significa um relatório mais confiável.

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.

Quase todo modelo testado acerta a mecânica: os links resolvem e o conteúdo é relevante ao tema em bem mais de 90% das vezes, nas três famílias. A lacuna se abre no teste mais rigoroso, se o trecho citado realmente sustenta o que o relatório afirma. Ali, os modelos testados da OpenAI ficam agrupados mais baixo (39-59%), os do Gemini ficam no meio (45-49%), e os modelos da Claude pontuam mais alto, com o Opus 4.5 como o melhor desempenho individual, com cerca de 77%. Nada disso significa que o produto de uma empresa seja simplesmente "melhor"; significa que um relatório com citações de aparência confiante não é automaticamente um relatório em que você pode confiar sem checar independentemente algumas dessas fontes, uma distinção que vale lembrar antes de citar um relatório de Deep Research gerado por IA em algo que importa.

Velocidade e profundidade do relatório: trate todo número específico com ceticismo

Comparações mais antigas adoram números de aparência precisa: um teste de 2025, muito citado, mediu o Gemini produzindo um relatório de 7.500 palavras e 55 fontes em 12 minutos, contra 1.700 palavras e 38 fontes do ChatGPT em 17 minutos, e concluiu que o Gemini era tanto mais profundo quanto cerca de 40% mais rápido. Trate números assim como uma fotografia de uma única execução, não como uma propriedade estável de nenhuma das duas ferramentas: usuários do Gemini Deep Research relataram contagens de fontes oscilando de cerca de 10 a mais de 600 para essencialmente o mesmo tipo de consulta, sem nenhuma mudança na ferramenta em si. A contagem de fontes e de palavras depende muito de quão estreita ou ampla é a pergunta e de quanto o modelo decide que um determinado tema exige, então não são métricas estáveis e comparáveis entre ferramentas, nem mesmo entre duas execuções da mesma ferramenta no mesmo dia. Baseie suas expectativas em capacidade e custo, cobertos acima, e não em um único número descrevendo o tamanho do relatório ou o tempo de execução.

Qual ferramenta serve para qual tarefa

• Precisa de uma cota exata e previsível para planejar em cima dela → ChatGPT (Plus/Pro) ou Perplexity (Grátis/Max), que publicam um número específico. Evite o Perplexity Pro especificamente se o volume de Deep Research importa, dado o corte de cota de 2026.
• Já paga pelo Google Workspace ou Gemini, e quer contexto do Gmail/Drive/Docs misturado à pesquisa → Gemini Deep Research, que traz seu próprio conteúdo do Workspace junto com a web aberta, sem assinatura separada.
• Precisão de citação importa mais do que o tamanho bruto do relatório, por exemplo qualquer coisa que você vá citar depois no seu próprio trabalho → Claude Research, com base nos resultados de Fact Check acima, com a contrapartida de que a Anthropic não publica números exatos de uso nem um tamanho máximo de relatório para planejar em cima.
• Já está dentro de um projeto de pesquisa no Gemini Notebook e quer que o Deep Research funcione especificamente contra as fontes que você coletou, e não a web aberta → o próprio modo Deep Research do Gemini Notebook, um recurso diferente e mais restrito, coberto no nosso guia dedicado.

Perguntas frequentes

Qual IA tem o melhor recurso de Deep Research: ChatGPT, Gemini, Claude ou Perplexity?

Não há um vencedor único. ChatGPT e Perplexity publicam limites exatos de execuções, o que os torna os mais previsíveis para planejar; o Gemini mistura seu próprio conteúdo do Workspace; a família de modelos da Claude pontuou mais alto em precisão de fact-check de citações num estudo independente de maio de 2026, embora a Anthropic não publique um limite numérico de uso. A escolha certa depende de você valorizar mais uma cota previsível, a integração com o Workspace, ou a confiabilidade das citações.

O Deep Research do Gemini consegue usar meus próprios arquivos enviados, ou só a web aberta?

As duas coisas. O Google adicionou suporte a upload de arquivos e imagens ao Gemini Deep Research em maio de 2025, então ele consegue combinar seus próprios documentos com pesquisa na web aberta numa única execução. Artigos mais antigos que afirmam que o Gemini é só web estão descrevendo uma lacuna que fechou há mais de um ano.

Por que o Deep Research da Perplexity piorou de repente em 2026?

A Perplexity cortou a cota de Deep Research do plano Pro de cerca de 500-600 execuções por dia para cerca de 20 execuções por mês, numa mudança não anunciada rastreada até fevereiro de 2026, descrita no próprio changelog apenas como realocação de computação por sessão. O corte gerou uma reação visível no Reddit e no Trustpilot vinda de assinantes Pro que tinham pagado especificamente pelo volume de pesquisa.

Mais citações num relatório de Deep Research significam que ele é mais preciso?

Não necessariamente. Um estudo de maio de 2026, testando 14 modelos usados em agentes de deep research, descobriu que a validade dos links e a relevância ao tema eram consistentemente altas (mais de 90%) nas famílias de modelos da OpenAI, do Gemini e da Claude, mas a precisão factual do conteúdo citado variou muito: 39-59% para os modelos testados da OpenAI, 45-49% para os do Gemini, e 52-77% para os da Claude, com o Claude Opus 4.5 mais alto, com cerca de 77%. Uma citação de aparência confiante não é automaticamente uma citação precisa.

O Claude Research está disponível no plano gratuito?

Não. O recurso Research da Anthropic exige um plano pago: Pro, Max, Team ou Enterprise. Ele não tem uma cota de uso separada publicada; usa os mesmos limites de uso das conversas normais da Claude, que uma sessão de pesquisa consome mais rápido do que um chat comum.