OpenAI紧急加播：ChatGPT上新深度搜索，持续思考30分钟输出1万字，刷榜“人类最后的考试”

西风
2025-02-03
11:14:34

来源：量子位

梦晨 西风 发自 凹非寺
量子位 | 公众号 QbitAI

就在开源的DeepSeek-R1被整合进各路AI搜索工具之际，OpenAI临时举行小型发布会。

4点27通知，8点开始直播。

ChatGPT上新“Deep Research”，把推理大模型的思考能力用于联网搜索。

据介绍，Deep Research功能可在数十分钟完成人类专家需要几个小时的复杂研究任务。

在“人类最后的考试”上，Deep Research刷新了最高分，比o3-mini高推理设置分数高出一倍。

该测试包括3000多个多选和简答题，涵盖从语言学、火箭科学到生态学的100多个主题。

与o1相比，Deep Research最突出的地方在化学，人文和社会科学以及数学中，表现出类似人类的“在必要时寻找专业信息”的能力。

另一项测试GAIA，在现实世界问题上评估AI的公开基准测试，Deep Research在3个级别的难度上均刷新记录。

出于保护基准测试的目的，OpenAI只展示了Deep Research在完成这些任务时的搜索过程，隐去了最终答案。

Deep Research功能接下来将对Pro、Plus和Team用户开放。

奥特曼后面补充，目前版本基于o3构建，Plus用户（20美元/月）每个月能用约10次，且正在构建一个更高效的版本。

此外，免费用户也能获得非常少量的使用额度。

推理Agent的第一步

OpenAI表示，Deep Research专门为在金融/科学/工程等领域从事高强度知识工作、需要深入精确且可靠研究的人群而设计。

它由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。

只需一个提示，它就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。

Deep Research对于OpenAI的重要性，官方原话是：

Deep Research标志着我们在开发AGI的宏伟目标上迈出了重要一步。我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。

使用方法，点击输入框下方的Deep Research按钮即可，支持上传文件添加额外资料。

例如prompt：

Compile a research report on how the retail industry has changed in the past 3 years. Use bullets and tables where necessary for clarity.（写一份关于过去三年零售业变化的研究报告，并运用项目符号和表格来提升内容的清晰度）

ChatGPT线会确认一下问题细节信息，比如“您能具体说明您最感兴趣的零售业方面吗？”“您需要全球视角还是特定地区的分析？”

然后，它就开始分析+挖掘信息了：

侧边栏会显示所采取的步骤摘要和使用的信息来源。

完成任务的时间大概是5-30分钟，最终结果将以报告的形式输出。

OpenAI表示，接下来几周内，还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。

和GPT-4o等相比，Deep Research对于需要深度和细节的多方面、特定领域的问题，能够进行广泛探索并引用每个观点。

不过，OpenAI也指出了Deep Research存在的局限性。

它有时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。

它可能在区分权威信息和谣言方面遇到困难，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。

下一步，OpenAI表示将在本月内将Deep Research推到移动和桌面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。

我们预见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，使ChatGPT能够执行越来越复杂的任务。

AI深度搜索是互联网的新界面

OpenAI研究员Jason Wei分享了他对这项新研究的看法：

它不仅是出色的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。

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。

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。

10月底，Millon的妻子被诊断出患有双侧乳腺癌，病情很严重，在12月初做了双乳房切除手术，晚些时候开始化疗。

他们遇到一个新问题，是否应该接受放疗，对于她的具体病情来说，这是一个模糊问题，不同的专家给出不同的建议。

Millon在OpenAI已经获得了Deep Research的测试权限，就尝试上传了手术报告，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。

此外也有少数第三方团队提前获得了Deep Research的测试资格，并在今日分享测试结果。

Every团队介绍，一些问题要花费30分钟才得到结果，答案可能超过1万个单词。

他们做的测试包括：

• 撰写从2020年到今天每一天的历史
• 阅读《战争与和平》的第1章，分析托尔斯泰的人物描写，回答他对人性的看法是什么？
• 仔细查阅近期的 10-K 报告以发现未报告的财务违规行为
  ……

测试中发现的局限性包括：

• 有时信息缺失引用来源
• 没有“停止”按钮，如果搜索歪了只能重头开始

直播回看：
https://www.youtube.com/watch?v=YkCDVn3_wiw

参考链接：
[1]https://openai.com/index/introducing-deep-research/
[2]https://x.com/_jasonwei/status/1886213911906504950
[3]https://x.com/danshipper/status/1886203397004783996

Read More