就在开源的 DeepSeek-R1 被整合进各路 AI 搜索工具之际，OpenAI 临时举行小型发布会。4 点 27 通知，8 点开始直播。ChatGPT 上新“Deep Research”，把推理大模型的思考能力用于联网搜索。
据介绍，Deep Research 功能可在数十分钟完成人类专家需要几个小时的复杂研究任务。
在“人类最后的考试”上，Deep Research 刷新了最高分，比 o3-mini 高推理设置分数高出一倍。
该测试包括 3000 多个多选和简答题，涵盖从语言学、火箭科学到生态学的 100 多个主题。
与 o1 相比，Deep Research 最突出的地方在化学，人文和社会科学以及数学中，表现出类似人类的“在必要时寻找专业信息”的能力。
另一项测试 GAIA，在现实世界问题上评估 AI 的公开基准测试，Deep Research 在 3 个级别的难度上均刷新记录。
出于保护基准测试的目的，OpenAI 只展示了 Deep Research 在完成这些任务时的搜索过程，隐去了最终答案。
Deep Research 功能接下来将对 Pro、Plus 和 Team 用户开放。奥特曼后面补充，目前版本基于 o3 构建，Plus 用户（20 美元 / 月）每个月能用约 10 次，且正在构建一个更高效的版本。此外，免费用户也能获得非常少量的使用额度。
推理 Agent 的第一步
OpenAI 表示，Deep Research 专门为在金融 / 科学 / 工程等领域从事高强度知识工作、需要深入精确且可靠研究的人群而设计。
它由 OpenAI o3 驱动，通过基于真实任务（涉及浏览器和 Python 工具的使用）的训练，采用了与 o1 相同的强化学习方法。
只需一个提示，它就会查找分析并整合数百个在线资源，生成一份达到研究分析师水平的综合报告。
Deep Research 对于 OpenAI 的重要性，官方原话是：
Deep Research 标志着我们在开发 AGI 的宏伟目标上迈出了重要一步。我们长期以来一直设想 AGI 能够进行新颖的科学研究，而 Deep Research 正是这一愿景的重要进展。
使用方法，点击输入框下方的 Deep Research 按钮即可，支持上传文件添加额外资料。
例如 prompt：
Compile a research report on how the retail industry has changed in the past 3 years. Use bullets and tables where necessary for clarity.（写一份关于过去三年零售业变化的研究报告，并运用项目符号和表格来提升内容的清晰度）
ChatGPT 线会确认一下问题细节信息，比如“您能具体说明您最感兴趣的零售业方面吗？”“您需要全球视角还是特定地区的分析？”
然后，它就开始分析 + 挖掘信息了：
侧边栏会显示所采取的步骤摘要和使用的信息来源。完成任务的时间大概是 5-30 分钟，最终结果将以报告的形式输出。
OpenAI 表示，接下来几周内，还将为这些报告添加嵌入式图片、数据可视化和其它分析输出。
和 GPT-4o 等相比，Deep Research 对于需要深度和细节的多方面、特定领域的问题，能够进行广泛探索并引用每个观点。
不过，OpenAI 也指出了 Deep Research 存在的局限性。
它有时会在回复中产生事实幻觉或做出错误的推断，尽管根据内部评估，其错误率明显低于现有的 ChatGPT 模型。
它可能在区分权威信息和谣言方面遇到困难，并且在自信度校准方面目前表现出弱点，常常无法准确传达不确定性。
报告和引用中可能会有轻微的格式错误，并且启动任务可能需要更长的时间。
下一步，OpenAI 表示将在本月内将 Deep Research 推到移动和桌面 App 端。目前，Deep Research 可以访问公开网络和上传的文件，未来将能够连接到更多专业化的数据源，使其输出更加稳健和个性化。
我们预见 ChatGPT 将实现 Agent 体验的融合，用于异步、现实世界的研发和执行。Deep Research（可进行异步在线调查）与 Operator（可进行现实行动）的结合，使 ChatGPT 能够执行越来越复杂的任务。
AI 深度搜索是互联网的新界面
OpenAI 研究员 Jason Wei 分享了他对这项新研究的看法：
它不仅是出色的 Agent，也可以看成是互联网的新界面
人类使用互联网需要大量时间来搜索和点击，受到时间和注意力的限制。AI 永远不会累，一次可以浏览许多网站，并拥有几乎无限的世界知识。
将来，通过浏览器手动浏览互联网将过时，就像手动计算数字而不使用计算器一样。
OpenAI toG 业务负责人 Felipe Millon 则分享了一个个人故事。
10 月底，Millon 的妻子被诊断出患有双侧乳腺癌，病情很严重，在 12 月初做了双乳房切除手术，晚些时候开始化疗。
他们遇到一个新问题，是否应该接受放疗，对于她的具体病情来说，这是一个模糊问题，不同的专家给出不同的建议。
Millon 在 OpenAI 已经获得了 Deep Research 的测试权限，就尝试上传了手术报告，并询问 ChatGPT 的建议。
ChatGPT 不仅证实了人类专家提到的内容，还搜索出了全新的参考研究。MIllon 认为，这是一个将改变世界的工具。
此外也有少数第三方团队提前获得了 Deep Research 的测试资格，并在今日分享测试结果。Every 团队介绍，一些问题要花费 30 分钟才得到结果，答案可能超过 1 万个单词。
他们做的测试包括：
撰写从 2020 年到今天每一天的历史
阅读《战争与和平》的第 1 章，分析托尔斯泰的人物描写，回答他对人性的看法是什么？
仔细查阅近期的 10-K 报告以发现未报告的财务违规行为
……
测试中发现的局限性包括：
有时信息缺失引用来源
没有“停止”按钮，如果搜索歪了只能重头开始
直播回看：
https://www.youtube.com/watch?v=YkCDVn3_wiw
参考链接：
[1]https://openai.com/index/introducing-deep-research/
[2]https://x.com/_jasonwei/status/1886213911906504950
[3]https://x.com/danshipper/status/1886203397004783996
本文来自微信公众号：量子位（ID：QbitAI），作者：梦晨西风
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。