Deep Research：OpenAI 的最新 AI 代理，深度研究的革命性工具

背景与发布

OpenAI 在推出新模型 o3-mini 仅两天后，于 2 月 3 日发布了第二个 AI 代理——Deep Research（深度研究）。这一工具专为金融、工程、科学等领域的知识工作者设计，能够帮助用户进行复杂的调研任务，甚至可以作为购物助手，帮助用户做出理性的购买决策。

功能亮点

1. 深度调研能力：

   • Deep Research 能够上网搜索、分析和合成数百个在线资源，生成媲美研究分析师级别的报告。

   • 它可以在 5-30 分钟内完成人类专家需要数小时甚至数天的复杂调研任务。

2. 实时搜索与推理结合：

   • 与传统的 OpenAI 模型不同，Deep Research 结合了实时互联网搜索和深度推理能力，能够逐步拆解复杂任务，进行多轮搜索、解读和验证。

3. 文档记录与引用：

   • 所有返回的结果都有完整的文档记录，包含清晰的引用和思维过程总结，方便用户参考和验证。

4. 个性化应用场景：

   • 适用于金融、科学、工程等领域的高强度知识工作。

   • 也可用于购物决策，帮助用户研究产品性能、筛选个性化需求，甚至查找小众信息（如网友的真实评论）。

使用权限与未来计划

• 使用权限：

  • 目前仅向 ChatGPT Pro 用户（200 美元/月）开放，每月最多可使用 100 次。

  • Plus 用户（20 美元/月）预计在一个月内获得该功能，每月可使用 10 次。

  • 未来将推出更快速、成本更低的版本，并增加免费用户的使用额度。

• 未来扩展：

  • 计划增加嵌入式图片、数据可视化等功能。

  • 扩展数据来源，包括订阅制和会员制，服务企业用户。

实际案例演示

1. 市场调研：

   • 用户输入需求后，Deep Research 通过关键词搜索获取初步信息，进一步查找相关报告、统计数据、专家观点等，最终生成综合性研究报告。

2. 购物决策：

   • 用户可要求 Deep Research 研究特定商品（如滑雪板），根据个性化需求生成详细报告，帮助做出理性决策。

3. 通识知识查询：

   • 帮助用户查找模糊记忆中的信息，如 10 年前去过的餐厅名称或某集电视剧的名字。

性能测试与评价

1. “人类终极考试”测试：

   • Deep Research 在化学、人文、社会科学和数学领域的表现显著提升，准确率达到 26.6%，远超 Google Gemini Thinking（6.2%）、Grok-2（3.8%）和 GPT-4o（3.3%）。

   • 与开源模型 DeepSeek-R1（9.4%）相比，Deep Research 的准确率是其 2.8 倍。

2. GAIA 测试：

   • 在评估 AI 解决现实世界问题能力的 GAIA 测试中，Deep Research 位居榜首，展现了其在推理、多模态理解、网页浏览和工具使用方面的强大能力。

3. 幻觉评估：

   • Deep Research 在幻觉（错误信息生成）方面的表现优于现有 ChatGPT 模型，但仍建议用户核对信息来源以确保准确性。

专家评价

• Jason Wei（OpenAI 研究员）：Deep Research 不仅是出色的 AI 代理，更是互联网的新界面，能够高效浏览大量网页并整合知识。

• Ethan Mollick（沃顿商学院教授）：Deep Research 像是一位拥有博士学位的研究人员，能够遵循引导完成复杂任务。

• Felipe（OpenAI 政府公共部门负责人）：分享了一个感人故事，Deep Research 帮助他和妻子在癌症治疗中做出科学决策，认为这是一个可以改变世界的工具。

局限性与未来展望

• 局限性：

  • 仍处于早期阶段，可能存在幻觉或错误推断。

  • 缺乏停止按钮，若搜索方向错误，只能从头开始。

  • 有时提供的信息缺乏引用来源。

• 未来展望：

  • OpenAI 计划将 Deep Research 与自定义上下文、企业数据存储连接，服务于更专业的企业级应用。

  • 未来将结合 Deep Research 的智能搜索与 Operator 的执行能力，使 ChatGPT 能够执行更复杂的任务，迈向 AGI（通用人工智能）的目标。

总结

Deep Research 是 OpenAI 在深度研究领域的重要突破，它不仅大幅提升了 AI 的调研能力，还为用户提供了高效、低成本的解决方案。尽管存在一些局限性，但其潜力巨大，未来有望成为各行业知识工作者的得力助手，推动 AI 技术的进一步普及和应用。