大模型实测：Grok Agent 准确答题，豆包研究模式为何频频“幻觉”？

本文通过一个具体的冷门音乐歌词查询，对比了 Grok 4（Agents 模式）与字节跳动豆包的表现。结果显示，Grok 能够准确调动搜索并给出正确答案，而豆包即使在开启了思考模式和研究模式后，仍出现混淆歌曲、搜索结果质量差以及重复错误答案等“幻觉”问题。作者推测这可能与豆包的中文搜索索引质量或 Agent 调用逻辑有关，该案例直观地反映了国产大模型在 Agent 链路与搜索增强能力上与顶尖模型仍存在差距。