Deep Research（深度研究）是繼「Operator」之后，OpenAI推出的第二個智能體，利用模型的推理能力，綜合分析浩瀚的互聯網信息，從而完成復雜的研究任務。

月初，OpenAI首先向ChatGPT Pro用戶開放了Deep Research功能。最近，進一步開放給了更多等級的訂閱用戶。

其中，Plus、Team、教育和企業用戶每月10次查詢機會，Pro用戶每月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，深度研究標志著我們在開發AGI（通用人工智能）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：這是他最喜歡的已發布的功能之一。

此次更新，固然給用戶帶來了新體驗，「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這次發布，的確算不上出彩。

那這次OpenAI都推出哪些新特性？為什么這次落后競爭對手了呢？

技術報告發布

在X上，OpenAI連發多條消息，介紹深度研究相關更新情況。

除更多用戶可用之外，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文件

然后，其他改進呢？無。

至于，沒什么落后競爭對手，OpenAI給出的解釋是為了控制風險，保證安全：

在推出深度研究并將其提供給Pro用戶之前，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，以更好地了解與深度研究瀏覽網頁能力相關的逐步風險，并添加了新的緩解措施。重點工作包括加強對在線發布的個人信息的隱私保護，并訓練模型抵抗在互聯網搜索過程中，可能遇到的惡意指令。

在廣泛發布深度研究之前，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。

在官網發布的系統卡(System card)，OpenAI從提示注入、禁止內容、隱私、運行代碼能力、偏見和幻覺等方面，全面測試、評估并緩解了系統安全問題。

OpenAI展示了一系列測試結果，最后認為

總體上，深度研究在準備框架（Preparedness Framework）中被歸類為中等風險，并且已采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能體任務時，深度研究性能有所改進，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編程任務的能力，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：

文檔鏈接：https://cdn.openai.com/deep-research-system-card.pdf

尷尬之處在于，已免費推出相關功能的Grok-3，以安全性著稱。

紅杉采訪亮點

紅杉資本合伙人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：「智能體」。

Deep Research是OpenAI在「Operator」之后推出的第二個智能體。通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、思考并完成全面的報告。

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不是普通的搜索工具，它能廣泛收集有關來源的信息，擅長在互聯網上找到小眾的事實，并整合到一個漂亮、整潔的報告中，嵌入圖表，并附上指向原始信息的引用。

當你想尋找特定的信息，并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信息，但Isa不認為Deep Research當前能做出新的科學發現。

應用場景

Deep Research常被應用于科學研究、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，查看特定域名是否被占用，以及估算市場規模。

出人意料的是，用戶會用Deep Research搜索代碼，查找關于某個軟件包的最新文檔，并幫他們編寫腳本。

Deep Research不僅能用于工作，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。在日本發布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，如果想復習生物學知識，它會是個好幫手。

輸入想了解的信息，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。

模型針對困難的搜索和推理任務進行了訓練，可以調用瀏覽工具和Python工具。通過在這些任務上進行端到端訓練，模型學會了在線搜索和分析。

Deep Research最大的創新在于「端到端訓練」。研究的過程中，很多事是無法預測的。Isa認為沒有腳本能像訓練出的模型那樣靈活，能對實時的信息做出反應。

Deep Research在做有創造性的搜索，查看思維鏈總結會發現，它在想出下一個要查找的內容方面非常聰明。

Josh表示「我們經常誤以為自己寫代碼會比模型更聰明，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能體的關鍵！

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數據集，數據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。