摘要：刚刚，OpenAI再度紧急出手，在发布会直播全新的「Deep Research」功能。基于o3的推理再加上联网搜索，ChatGPT如今可以完成耗费人类专家数小时的复杂研究了！现在，模型已经刷爆「人类最后考试」榜单。

编辑：Aeneas 桃子

【新智元导读】刚刚，OpenAI再度紧急出手，在发布会直播全新的「Deep Research」功能。基于o3的推理再加上联网搜索，ChatGPT如今可以完成耗费人类专家数小时的复杂研究了！现在，模型已经刷爆「人类最后考试」榜单。

一大早，OpenAI开启的在线直播，简直让人猝不及防。

OpenAI研究负责人Mark Chen带领三位工作人员，在20多分钟内向我们详细演示了Deep Research的功能。

最大亮点之一：只要数十分钟，它就能完成人类专家花费几小时的复杂调研任务！

Mark Chen将之称为「我们的下一代智能体产品」。

去年，OpenAI就推出了o1，但这些推理模型的一个限制，是它们无法使用工具，因为缺少了浏览互联网这个核心能力，

因此，现在OpenAI宣布了一个重大步骤：引入Deep Research！

奥特曼激动地表示，这就像是拥有一种超能力，可以随时调用专家！

它能够使用互联网进行复杂的研究和推理，并为你提供详细报告。它非常强大，能够完成那些通常需要数小时、数天，且花费数百美元的任务。

需要强调的是，Deep Research是基于优化版o3打造——一个可以浏览网页和执行python代码的o3。

这是一个可以在互联网上进行多步骤研究的模型，它能发现、综合内容，并对之进行推理。甚至随着发现更多信息，它还会调整自己的计划。

也就是说，Deep Research的一大特点，就是消除了模型中的延迟限制，它返回结果可能需要五分钟，甚至长达半小时。

模型能在无人监督的情况下，以更长时间执行自主任务，这俨然就是AGI的雏形。最终，OpenAI的愿景是：模型能自主发现和发掘新知识。

OpenAI研究员表示，「使用Deep Research对我来说真的是一次个人的AGI时刻。只要10分钟，它就能生成准确又全面的竞争对手和市场研究报告（还有来源），以前这些东西我得花3个小时才能做完」。

现在，Deep Research会自己上网，然后给你一份全面、引用翔实的研究论文！也就是说，它已经妥妥达到了某领域研究专家的级别。

奥特曼还特意发文表示，这还不是o3-mini的「One More Thing」，这个小彩蛋过几天公布。

今天，Deep Research就将在Pro中推出了（每月100次查询），之后还会很快在Plus、Team、Education和Enterprise版本中上线。

帮PM完成深度市场调查报告

从一个按钮「Deep Research」开始，就可以和Deep Research聊天了。

OpenAI研究者演示说，自己一直在思考的就是，是否该开发一款新的语言翻译app呢？

这个市场调研，就可以交给Deep Research——

「帮我找到iOS和Android的采用率，想要学习另一种语言的人的百分比，过去几年移动普及率的变化，以及发达国家和发展中国家的差异。」

研究者明确表示，希望自己想要的信息以格式化的报告呈现，其中要包含表格和明确建议，说明哪些是最佳的新兴机会。

这个市场调查要求，可着实不简单。如果是普通打工人来调研，最少也得花费数小时。

但是Deep Research，立马就启动了调查。

接下来，研究者进一步细化了自己的要求：给我渗透率的用户百分比，分析总体使用情况，对其余部分进行最好的假设。

在这里，Deep Research就开始发挥自己的长处：自主启动研究过程。

在这个过程中，它会浏览不同网页，查看相关图片、表格、PDF，提取所有信息，来确定下一步要做什么。

在OpenAI的演示结束时，Deep Research仍然在进行搜索和调研。此时，它已经查看了29个不同来源和大量信息。

可以看出，它的报告中已经包含了不同的表格，以及多种呈现数据的形式。

而且，我们能够点击查看模型的每一个引用，以及它遇到的不同网站。

对于不同学术领域的市场研究，比如物理学、计算机科学、生物学，Deep Research都很擅长。

OpenAI研究者还展示了一个财务研究的例子：「我是一个硅谷风投公司的投资分析师，想分析民用超音速航空旅行市场，准备一份详尽的投资备忘录。」

在这个过程中，模型开展了7分钟的研究，使用了12个不同来源，提供了一份全面的调查报告。

下面是一个生物学方面的例子。

研究者上传了一篇论文，想找到关于同一主题的其他论文。

最终Deep Research给出的结果，得到了生物学专家的认可。

有趣的东西：买买买

而且，Deep Research能做的绝不仅仅是严肃的学术调查报告，它还可以帮你完成很多有趣、好玩的调查，比如——我该买什么？

如果我们要入手一件很贵的东西，肯定不敢贸然下单，而是提前在网上细细研读每一页说明和买家评论。

比如想在日本滑雪，想买滑雪板，就可以直接让Deep Research给我们出一份带表格的报告。

在这个过程中，我们可以细化要求：高级滑雪者，有时雪是粉状的，自己身高很高所以需要长滑雪板，而且颜色要很漂亮。

最终，Deep Research给出了长篇的报告，还对理想的滑雪板做了详细列表。

也就是说，如果你想要的答案非常具体，那么Deep Research就会非常有效。

甚至，我们可以用Deep Research找出10年前在东京去过的餐厅的名字，或者找到我们忘记名字、但记得其中某集内容的电视剧。

除了描述情节之外，其余的信息就是这是5到10年前的电视剧了。

结果，Deep Research居然找出了正确答案！

优化版o3加持，AGI又近一步

去年12月，谷歌最先放出了研究智能体Deep Research。

OpenAI同款Deep Research，也是智能体的一种，能够针对复杂任务上网进行多步研究。

它能在几十分钟内，完成人类需要数小时才能完成的工作。

只需一个提示，ChatGPT即可查找、分析和综合数百个在线资源，创建一份「研究分析师级」的综合报告。

值得一提的是，Deep Research由即将推出的o3模型的「优化版本」加持。

OpenAI通过端到端强化学习，对它的深度浏览和推理任务进行了训练。

该版本专门用于网页浏览和数据分析，它利用推理能力来搜索、解释和分析互联网上大量的文本、图像和PDF，并根据遇到的信息随时调整方向。

要知道，「综合知识」的能力，是创造新知识的先决条件。

因此，Deep Research的推出，标志着OpenAI向更广泛的目标——开发AGI迈出了重要一步。

OpenAI研究科学家Hyung Won Chung对此表示：

Deep Research的一个显著特点就是它极强的耐心。我认为它已经接近了「超人类耐心」。在这个项目的过程中，我意识到智力和耐心是非常契合的。

就像推理模型o1一样，Deep Research是通过强化学习（RL）进行学习的。它学习如何搜索相关信息，并通过推理整合知识。当scale遇上RL时，魔力就会产生。

毕竟，OpenAI一直设想，真正的AGI是能够自己产出新颖的科学研究。

几天前的Reddit在线问答中，奥特曼也发表了同样的观点。

在我看来，最重要的影响将是加速科学发现的速度，我认为这是对提高生活质量贡献最大的因素。

一个提示，即出一份专业报告

那么，Deep Research究竟能做什么？

据OpenAI介绍，它是专为那些在金融、科学、政策和工程等领域从事密集知识工作，需要全面、精确和可靠研究的人们而打造的。

对于那些「买买买」购物狂来说，Deep Research还能为你所需研究的购买项目，比如汽车、家电、家具等，提供高度的个性化建议。

而且，每个输出都有完整的文档记录，包含清晰的引用和思维过程总结，方便随后参考和验证。

尤其是，它特别擅长发现需要浏览众多网站才能获取的小众、非直观信息。

只需查询一次，Deep Research就能get要点，加快复杂、耗时的网络研究，节省了大量宝贵的时间。

此外，Deep Research能够独立发现、推理并整合来自网络各种见解。

在技术层面上，它采用了与o1相同的强化学习方法，并进行了重要的升级。

它在真实世界任务中进行了训练，整合了浏览器的操作能力，强化了Python工具使用。

虽然o1在编码、数学和其他技术领域展示了令人印象深刻的能力，但许多现实世界的挑战需要从不同在线来源获取大量背景和信息。

Deep Research在这些推理能力的基础上弥补了这一差距，使其能够处理人们在工作和日常生活中面临的各类问题。

最快5分钟，图像数据可视化要来

进入ChatGPT，可以再聊天对话框中选择「Deep Research」，直接输入提示即可。

不论是对流媒体平台的竞争分析，还是关于最佳通勤自行车的个性化报告，ChatGPT全能hold住。

甚至，你还可以上传文件、电子表格，提供与问题更多相关的背景信息。

一旦开启对话，侧边栏会显示所采取步骤和信息来源的摘要。

一般来说，Deep Research需要5-30分钟完成一份研究，具体实践取决于深入网络研究所需的时间。

在此期间，你完全可以去干别的事，ChatGPT完成研究后会主动向你发送通知，最终的输出将以报告形式展现在聊天中。

更惊喜的是，未来几周，OpenAI还将在这些报告中添加嵌入式图像、数据可视化和其他分析输出，提供更多清晰度和背景信息。

与Deep Research相比，GPT-4o更适合实时的多模态对话。

对于需要深入和细节的多维度、专业领域的问题，Deep Research能够进行广泛探索并为每个论点提供引用来源。

这种能力使其有别于简单的快速总结，而是能够提供经过充分论证和验证的专业答案，这些答案的质量足以作为正式的工作成果使用。

比如，你想要统计过去10年内，按GDP排名的前10个发达国家和前10个发展中国家的以下数据：iOS和安卓系统的使用率、想学习另一门语言的人口比例、移动设备普及率的变化。

GPT-4o仅仅是帮你列了出来，而Deep Research更像是一个报告，甚至给出了完整的可视化表格。

端到端强化学习，与o1同源

Deep Research是如何运作的？

它通过在各个领域的复杂浏览和推理任务上，进行端到端强化学习训练而成。

通过这种训练，它学会了规划和执行多步骤路径，找到所需数据，必要时可以回溯并对实时信息做出反应。

该模型还能够浏览用户上传的文件，使用Python工具绘制和迭代图表，在回答中嵌入生成的图表和网站图片，并引用其来源中的具体句子或段落。

通过这种训练，它在多个关注现实世界问题的公开评估中刷新SOTA。

人类最后一场考试，得分26.6%刷爆了

全网爆火的「人类最后一次考试」中，Deep Research取得了26.6%准确率破纪录。

奥特曼骄傲地表示，早在周五，「人类最后一场考试」的最高分是 o3-mini-high，得分为 13%。但到了周日，Deep Research功能的得分已经达到了26.6%。

要知道这项测试包含了超3,000道「专家级」多选题和简答题，涵盖从语言学到火箭科学、从古典学到生态学等100多个学科。

与o1相比，最大的进步出现在化学、人文社会科学和数学领域。

驱动Deep Research的模型通过在必要时有效寻找专业信息，展现出类人的解决方案。

GAIA

在GAIA测试中，这是一个评估AI解决现实世界问题能力的公开基准测试。

驱动Deep Research的模型同样刷新SOTA，位居外部排行榜榜首。

这些测试包含三个难度等级的问题，成功完成这些任务需要具备推理能力、多模态流畅性、网页浏览和工具使用等多项技能。

下面是一级和三级任务的对比区别。

专家级任务

另外，在对各个领域专家级任务的内部评估中，Deep Research能够自动化完成，需要多个小时的复杂人工调查工作。

下图为专家级任务与最大工具调用次数的对比，显示出了模型花更多时间思考和浏览时，性能就会更强。

这跟OpenAI的理念相吻合：在未来世界里，智能体将花费越来越长的时间，完成越来越困难的任务。

下面这个案例中，Deep Research进行的化学研究，节省了大约4小时的时间。

语言学方面，更是节省了5个小时。

以下两个图表可以证实这一事实。其中，上图为不同估算经济价值范围的通过率，下图为完成不同任务所需时间范围的通过率。

所谓通过率，即模型在专家级任务中提供满意答案的比率，答案由专家评定。

从图表中可以看出，通过率与估算经济价值的相关性，比估计小时数的相关性更高，也就是说，模型发现困难的事，也是对人类来说更耗时的事。

局限性

Deep Research仍处于早期阶段，同样存在一些限制。

根据内部评估，它有时会在回答中产生虚构的事实或做出错误的推断，不过，频率明显低于现有的ChatGPT模型。

它可能难以区分权威信息和谣言，目前在置信度校准方面表现较弱，往往无法准确传达不确定性。

在发布时，报告和引用可能存在微小的格式错误，任务可能需要更长时间才能开始。

OpenAI预计所有这些问题都会随着使用时间的增加而快速改善。

Pro用户先上手，Plus一个月内上线

OpenAI称，Deep Research在ChatGPT中非常消耗计算资源。

研究查询所需时间越长，所需的推理计算就越多。

目前，OpenAI开始向Pro用户提供优化版本，每月最多100次查询。

接下来，这项功能会逐渐向Plus和Team用户（带越一个月内），以及Enterprise用户推出。

未来，所有付费用户都将获得更高的使用配额。

届时，OpenAI将发布一个更快、更具成本效益的深度研究版本，它由更小的模型驱动，但仍能提供高质量的结果。

下一步：Operator+Deep Research

ChatGPT的Deep Research功能现已在网页版正式上线，并将在一个月内推广到移动端和桌面端。

如前所述，目前，Deep Research可以访问实时互联网，获取最新信息，并对上传的文件进行深入分析。

但，这仅仅是开始。

未来，任何一个人将能够接入更专业的数据源，比如学术期刊或企业内部资源。

这种定制化的知识获取能力，让ChatGPT真正成为你的专属智能助手。

最激动人心的是，OpenAI正在酝酿一场更大的革命。

下一步，通过将Deep Research（负责异步网络调查）与Operator（负责实际行动执行）相结合，ChatGPT将不再局限于信息处理，能够为每个人执行愈加复杂的任务。

这种突破性组合，将开创一个全新的AI个人助手时代。

来源：新智元