OpenAI再出王牌： “深度研究”上线，首先冲击行业分析师的工作

摘要：在人工智能领域持续创新的征程中，OpenAI 再次迈出了具有里程碑意义的一步。当地时间 2 月 2 日，OpenAI 正式推出面向深度研究领域的智能体产品 ——「Deep Research」，这一消息瞬间点燃了全球科技界的热情，成为众人瞩目的焦点。

在人工智能领域持续创新的征程中，OpenAI 再次迈出了具有里程碑意义的一步。当地时间 2 月 2 日，OpenAI 正式推出面向深度研究领域的智能体产品 ——「Deep Research」，这一消息瞬间点燃了全球科技界的热情，成为众人瞩目的焦点。

作为 OpenAI 的又一力作，Deep Research 旨在为用户提供前所未有的深度信息查询与分析体验。它是一个运用推理来综合大量在线信息，并能为用户完成多步骤研究任务的智能体。与传统的人工智能工具不同，Deep Research 具备独立工作的能力，用户只需给出一个提示，它便能借助即将推出的 o3 模型的优化版本，在互联网的海量文本、图像和 PDF 文件中穿梭，查找、分析并综合数百个在线资源，最终以研究分析师的专业水平，为用户创建一份详尽的综合报告。

目前，Deep Research 已率先向 Pro 用户开放，未来还将逐步覆盖 Plus 和 Team 用户。这一举措让众多专业人士和深度 AI 爱好者率先体验到了其强大的功能。在实际操作中，用户只需在 ChatGPT 中轻松选择「message composer」中的 deep research 选项，并输入查询内容，无论是复杂的商业竞争分析，还是个性化的生活建议，甚至是附加文件或电子表格以提供更丰富的上下文，Deep Research 都能照单全收。运行过程中，侧边栏会实时展示其操作步骤和信息来源摘要，让用户对整个研究过程一目了然。不过，由于其深度挖掘信息的特性，完成一次研究可能需要 5 到 30 分钟，期间用户可以自由离开处理其他事务，待任务完成，便会收到通知，最终报告将以聊天形式呈现。OpenAI 还透露，在接下来几周，报告将增添嵌入图像、数据可视化等分析输出，进一步提升报告的清晰度与实用性。

按照Sam Altman 的说法：这是OpenAI推出的下一个代理。Deep Research 就像一种超级能力；专家随需应变！它可以使用互联网，进行复杂的研究和推理，并为您提供报告。它真的很棒，可以完成需要花费数小时/数天时间和数百美元的任务

发布会上，OpenAI研究主管Mark Chen 携团队成员Isa、Josh以及产品团队的Neo共同亮相，向全球观众介绍了这项新技术。Mark Chen 开场强调了OpenAI对 Deep Research 的重视，认为它将深刻变革知识工作，助力企业流程优化，提升员工效率，并最终惠及广大消费者

回顾过去，OpenAI 去年推出了 “O 系列” 推理模型，例如 O1。这些模型与传统模型的最大区别在于，它们在给出答案前会进行长时间的思考，思考时间越长，答案质量往往越高。然而，这些模型存在一个显著的局限性：缺乏工具访问能力，特别是互联网浏览能力。这使得模型无法触及我们日常生活中大量的信息资源，极大地限制了其应用范围。

为了弥补这一短板，OpenAI推出了 Deep Research。顾名思义，Deep Research 是一种能够进行多步骤互联网研究的模型。它能够自主地发现内容、整合内容、并基于内容进行推理，并在信息不断涌现的过程中动态调整研究计划

Deep Research 的一个重要特性是移除了延迟限制。与传统模型追求快速响应不同，Deep Research 模型可能需要 5分钟甚至30分钟才能返回答案。OpenAI 认为这并非缺点，反而是模型走向成熟的标志。他们强调:

让模型以无人监督的方式自主执行更长时间的任务至关重要，这正是实现 AGI 路线图的核心一步

OpenAI 的终极目标是打造能够自主发现和创造新知识的模型。Deep Research 正是朝着这个目标迈出的坚实一步，它能够综合和理解网络信息，并生成全面的、专家级的研究报告

Deep Research 的应用场景非常广泛，不仅局限于知识工作领域。Mark Chen指出，许多需要广泛网络浏览的任务都可以借助 Deep Research 来完成。例如，用户可以利用它来精准搜索特定商品，并结合个人偏好进行筛选。Mark 个人也使用 Deep Research 来高效制作ppt

Deep Research 将于今日晚些时候在 Pro 版本中率先上线，随后将逐步推广到 Plus、Team 以及教育和企业版本

为了直观展示 Deep Research 的强大功能，OpenAI 产品经理 Neil 进行了现场演示。他以 “是否应该开发新的语言翻译应用” 为例，向 Deep Research 发出了一个复杂的市场调研请求，要求模型分析 iOS 和 Android 的采用率、学习外语的意愿、移动渗透率的变化，并最终生成包含表格和明确建议的格式化报告

Neil 指出，这样一个复杂的查询，如果人工完成可能需要数小时，但 Deep Research 可以迅速启动。演示中，Deep Research 首先提出了澄清问题，例如移动渗透率的具体指标、用户对外语学习的兴趣程度等，这体现了模型如同专业分析师般的严谨思考

随后，Deep Research 进入自主研究流程，侧边栏实时展示了模型的推理过程，包括识别目标国家、收集信息、进行搜索等步骤。演示清晰地展现了 Deep Research 如何模拟人类研究过程，进行搜索、打开网页、分析内容，并利用已获取的信息指导下一步搜索

另一位演示者 Josh 则展示了 Deep Research 在购物决策中的应用。他模拟了在东京购买滑雪板的场景，要求 Deep Research 推荐适合高级滑雪者、偏好粉雪、需要长滑雪板且具有彩色外观的滑雪板，并生成报告。Deep Research 同样根据要求，快速展开研究，并输出了包含详细对比表格的推荐报告

OpenAI 研究员 Isa 对 Deep Research 的技术细节进行了深入解析。她透露，Deep Research 由微调版本的 “student 模型”（预计是即将发布的更强大的推理模型）驱动，并经过端到端强化学习在复杂的浏览和推理任务上进行训练

通过训练，模型学会了规划和执行多步骤轨迹，实时响应信息，并在必要时回溯。最终模型不仅能够浏览网页，还能处理用户上传的文件，利用 Python 工具进行计算和生成图表，并将图表和网页图片嵌入到最终报告中。更重要的是，Deep Research 在引用时能够精确到句子和段落，保证了报告的可靠性

Isa 特别强调了 Deep Research 在多项基准测试中取得的优异成绩，例如在 “人类最终考试”（Humanity’s Last Exam）和 Gaya 基准测试中均取得了新的高分。内部专家评估也表明，Deep Research 能够完成专家需要数小时才能完成的复杂任务，且性能提升与模型思考时间呈正相关