新智元報道
新智元報道
編輯：KingHZ 英智
【新智元導讀】最近，OpenAI的研究團隊在採訪中表示，全新的Deep Research功能，可以為你節省幾個小時甚至幾天的時間！
Deep Research（深度研究）是繼「Operator」之後，OpenAI推出的第二個智慧體，利用模型的推理能力，綜合分析浩瀚的網際網路資訊，從而完成複雜的研究任務。
月初，OpenAI首先向ChatGPT Pro使用者開放了Deep Research功能。最近，進一步開放給了更多等級的訂閱使用者。
其中，Plus、Team、教育和企業使用者每月10次查詢機會，Pro使用者每月120次機會。
OpenAI對新功能寄予厚望：
它能在幾分鐘內完成人類需要數小時才能完成的工作。 綜合知識的能力是創造新知識的先決條件。 因此，深度研究標誌著我們在開發AGI（通用人工智慧）這一更廣泛目標上邁出了重要一步。 長期以來，我們一直設想AGI能夠進行創新性科學研究。
奧特曼表示：這是他最喜歡的已釋出的功能之一。
此次更新，固然給使用者帶來了新體驗，「錢沒白花」。
但考慮到每月最多使用10次，新功能顯得「雞肋」：
考慮到同一梯隊的競爭對手，不僅類似功能推出的更早，而且免費，OpenAI這次釋出，的確算不上出彩。
那這次OpenAI都推出哪些新特性？為什麼這次落後競爭對手了呢？
技術報告發布
在X上，OpenAI連發多條訊息，介紹深度研究相關更新情況。
除更多使用者可用之外，本次更新的主要改進為：
在輸出中嵌入帶引用的圖片 更好理解和參閱上傳的檔案
然後，其他改進呢？無。
至於，沒什麼落後競爭對手，OpenAI給出的解釋是為了控制風險，保證安全：
在推出深度研究並將其提供給Pro使用者之前，我們進行了嚴格的安全性測試、準備評估和治理審查。 我們還進行了額外的安全性測試，以更好地瞭解與深度研究瀏覽網頁能力相關的逐步風險，並添加了新的緩解措施。重點工作包括加強對線上釋出的個人資訊的隱私保護，並訓練模型抵抗在網際網路搜尋過程中，可能遇到的惡意指令。 在廣泛釋出深度研究之前，我們花時間進行了更多的人工探測和自動化測試，以評估特定風險。
在官網釋出的系統卡(System card)，OpenAI從提示注入、禁止內容、隱私、執行程式碼能力、偏見和幻覺等方面，全面測試、評估並緩解了系統安全問題。
OpenAI展示了一系列測試結果，最後認為
總體上，深度研究在準備框架（Preparedness Framework）中被歸類為中等風險，並且已採取相應的保障措施和安全緩解措施，為這個模型做好了準備。
值得關注的是，在模型自主性方面，在處理更長時間跨度和智慧體任務時，深度研究效能有所改進，尤其是在模型自主性風險相關的任務中。
比如，在SWE-Bench Verified評測中，深度研究展現了執行明確定義的程式設計任務的能力，被評定為中等風險水平。
已有網友給出了全面的總結：
更多安全測試結果與分析，參閱OpenAI官方系統卡：
文件連結：https://cdn.openai.com/deep-research-system-card.pdf
尷尬之處在於，已免費推出相關功能的Grok-3，以安全性著稱。
紅杉採訪亮點
紅杉資本合夥人Sonya和Lauren，與OpenAI Deep Research的產品負責人Isa和Josh展開了深度對話。
當問及2025年的風口時，Isa和Josh不約而同地回答：「智慧體」。
Deep Research是OpenAI在「Operator」之後推出的第二個智慧體。透過端到端的強化學習訓練，Deep Research能像經驗豐富的研究員一樣，查資料、思考並完成全面的報告。
這不僅是節省5%時間，而是將原本需要8小時的任務縮減到5分鐘！
Deep Research無法為你完成一切，但它能為你節省幾個小時，甚至是幾天。
Isa表示:「我確信它會成為人們生活中不可或缺的一部分。」
從行業分析到醫學研究，再到計劃生日派對，Deep Research幾乎無所不能。
Deep Research不是普通的搜尋工具，它能廣泛收集有關來源的資訊，擅長在網際網路上找到小眾的事實，並整合到一個漂亮、整潔的報告中，嵌入圖表，並附上指向原始資訊的引用。
當你想尋找特定的資訊，並需要搜尋大量資料時，它才能發揮出最佳水平。它很擅長尋找和綜合資訊，但Isa不認為Deep Research當前能做出新的科學發現。
應用場景
Deep Research常被應用於科學研究、醫學研究等領域。人們用它來了解市場、公司和房地產等。
Isa的朋友正考慮創辦一家消費品公司，會用它來做競品調研，檢視特定域名是否被佔用，以及估算市場規模。
出人意料的是，使用者會用Deep Research搜尋程式碼，查詢關於某個軟體包的最新文件，並幫他們編寫指令碼。
Deep Research不僅能用於工作，在購物和旅行建議上也很有用。比如想買一輛新車時，可以請它整理一份報告。在日本釋出Deep Research功能時，它可以用來幫忙尋找餐廳。
個性化教育也是非常有趣的場景，如果想複習生物學知識，它會是個好幫手。
輸入想了解的資訊，它會為你整理出一份很棒的報告。
技術架構
驅動Deep Research的是o3模型的微調版本，o3是OpenAI最先進的推理模型。
模型針對困難的搜尋和推理任務進行了訓練，可以呼叫瀏覽工具和Python工具。透過在這些任務上進行端到端訓練，模型學會了線上搜尋和分析。
Deep Research最大的創新在於「端到端訓練」。研究的過程中，很多事是無法預測的。Isa認為沒有指令碼能像訓練出的模型那樣靈活，能對即時的資訊做出反應。
Deep Research在做有創造性的搜尋，檢視思維鏈總結會發現，它在想出下一個要查詢的內容方面非常聰明。
Josh表示「我們經常誤以為自己寫程式碼會比模型更聰明，但實際上，模型通常會提出更好的解決方案。」
強化學習微調很可能是構建強大智慧體的關鍵！
Yann LeCun有個「蛋糕比喻」，無監督學習是蛋糕，監督學習是糖霜，強化學習是頂部的櫻桃。
成功的秘訣是構建高質量的資料集，資料質量是決定模型質量的最大因素。
Josh認為「AGI」目前只是運營問題。
參考資料：
https://www.youtube.com/watch?v=bNEvJYzoa8A
https://cdn.openai.com/deep-research-system-card.pdf