OpenAI近日突如其来地宣布了一项重大更新，通过一场紧急安排的小型发布会，向全球展示了其最新研发成果——Deep Research功能。这一功能在发布会前4小时方才通知，而直播活动则于晚上8点准时开启，引起了业界的广泛关注。
Deep Research被设计为能够执行复杂研究任务，据OpenAI介绍，它能够在短短数十分钟内完成人类专家通常需要数小时才能完成的工作。这一功能在“人类最后的考试”中表现出色，刷新了最高分记录，其推理设置分数甚至高出之前的o3-mini一倍之多。该测试涵盖了从语言学到生态学等100多个主题，包括3000多个多选和简答题。
在另一项名为GAIA的现实世界问题评估基准测试中，Deep Research同样表现卓越，刷新了三个难度级别的记录。不过，出于保护基准测试的目的，OpenAI仅展示了Deep Research在完成任务时的搜索过程，而隐去了最终答案。
Deep Research功能将首先对OpenAI的Pro、Plus和Team用户开放。据透露，目前版本基于o3构建，Plus用户（每月20美元）每月可使用约10次该功能，同时OpenAI正在构建一个更高效的版本。免费用户也将获得极为有限的使用额度。
Deep Research专为金融、科学、工程等领域的高强度知识工作者设计，他们需要深入、精确且可靠的研究。该功能由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。用户只需给出一个提示，Deep Research便会查找、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。
OpenAI表示，Deep Research标志着他们在开发通用人工智能（AGI）的宏伟目标上迈出了重要一步。他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。
OpenAI还透露，接下来几周内，他们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。与GPT-4o等相比，Deep Research能够针对需要深度和细节的多方面、特定领域问题进行广泛探索，并引用每个观点。
然而，OpenAI也指出了Deep Research存在的局限性。有时，它可能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。它在区分权威信息和谣言方面可能遇到困难，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。
OpenAI计划在本月内将Deep Research功能推送到移动和桌面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。他们预见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，将使ChatGPT能够执行越来越复杂的任务。
OpenAI研究员Jason Wei分享了他对这项新研究的看法。他认为，Deep Research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。而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。他预测，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。他的妻子被诊断出患有双侧乳腺癌，在是否应该接受放疗的问题上遇到了困惑。不同的专家给出了不同的建议。Millon利用自己在OpenAI获得的Deep Research测试权限，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。
也有少数第三方团队提前获得了Deep Research的测试资格，并在发布会上分享了测试结果。Every团队介绍称，一些问题需要花费30分钟才能得到结果，答案可能超过1万个单词。他们所做的测试包括撰写从2020年至今每天的历史、分析《战争与和平》中托尔斯泰的人物描写、仔细查阅近期的财务报告以发现违规行为等。
