反击DeepSeek，OpenAI大动作！

当地时间周日（2 月 2 日），OpenAI 发布了一款名为 " 深层研究 "（deep research）的功能，并上传了演示视频。

图片来源：OpenAI 官网截图

OpenAI 在官网写道，这项代理功能使用推理综合大量线上信息，并为用户完成多步骤研究任务。简单来说，就是 " 深层研究 " 可以从互联网上收集信息，并将其合成为简明的报告。

" 深度研究可以独立为您工作：您给它一个提示，ChatGPT 就会查找、分析和综合数百个在线资源，以 " 研究分析师的水平 " 创建一份综合报告。它将由 OpenAI o3 的一个版本提供支持，该模型针对网页浏览和数据分析进行了优化，可利用推理来搜索、解释和分析网上大量文本、图像和 PDF，并根据信息做出必要的调整。"

OpenAI 声称，deep research" 只需数十分钟就能完成人类需要数小时才能完成的工作。" 首席产品官 Kevin Weil 也提到，它完成的任务对人类来说可能需要 30 分钟到 30 天不等。

官网贴出了一些使用 deep research 的案例，比如让 ChatGPT 找出过去 10 年 GDP 排名前 10 的发达国家和前 10 的发展中国家的 iOS 和安卓普及率，并将这些信息绘制在一个表格中。

另外，还可以通过三个电视剧片段找出剧集的名字，统计 NFL（美国国家橄榄球联盟）踢球手的平均退役年龄，提供滑雪板的购买建议，以及医学研究、UX 设计等更专业的领域。

GPT-4o 与 deep research 对比

OpenAI 称，deep research 是为从事金融、科学、公共政策、工程等领域知识密集型工作并需要全面、精确和可靠研究的人员而打造的。目前，该功能已可供 Pro 用户使用。

官网提到，支持 deep research 的模型在一项覆盖 100 多个学科的专家级测试中，以 26.6% 的准确率创下了新高。

Deep Research 是基于 OpenAI 的 o3 模型之上开发而成的，并针对多种特定任务进行了深度优化和精调。

端到端强化学习是 Deep Research 的关键所在。传统的机器学习方法在处理复杂任务时，往往需要人为地划分多个阶段进行训练和优化，而端到端强化学习则让模型从输入到输出进行整体的学习和优化。

图片来源：视频截图

Deep Research 通过这种学习方式，学会了规划和执行多步骤的研究轨迹。在面对一个复杂的研究课题时，它能够像人类研究者一样，制定出合理的研究计划，先确定从哪些渠道获取信息，然后根据获取到的信息进行分析，判断下一步的研究方向。

如果在研究过程中发现之前的计划存在偏差，它还能像经验丰富的研究者一样进行回溯，重新调整研究策略，确保最终能得到准确且有价值的结果。

在这个学习过程中，模型不断地与环境进行交互，从环境反馈中学习最优的行为策略。在浏览网页获取信息时，模型会根据网页内容的相关性、可信度等因素，决定是否深入浏览该网页，以及如何提取其中有用的信息。

这种基于实时信息进行决策和调整的能力，是 Deep Research 能够高效完成复杂研究任务的重要保障。

除了端到端强化学习，去除模型的响应限制也是 Deep Research 的重要技术突破。传统的大模型为了追求快速响应，往往在处理复杂问题时只能浅尝辄止，无法进行深入的思考和分析。

Deep Research 打破了这一限制，允许模型花费 5 — 30 分钟甚至更长时间来处理问题。这使得模型有足够的时间对海量的网络信息进行筛选、分析和整合，从而能够输出更加全面、深入、准确的研究成果。

例如，在进行市场调研类任务时，模型可以花费足够的时间去收集不同地区、不同时间段的市场数据，对市场趋势进行更精准的预测；在学术研究领域，它能够深入研读大量的文献资料，挖掘出不同研究之间的潜在联系，为科研工作者提供更具价值的研究思路。

每日经济新闻综合 OpenAI 官网

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。

每日经济新闻