推出深度研究

# 深度研究介绍 来源：https://openai.com/index/introducing-deep-research/ ***2026年2月10日更新：***现在您可以将深度研究连接到任何 MCP 或应用程序，并将网络搜索限制在受信任的网站，以便您专注于经过验证的行业标准源。您还可以实时跟踪进度，并通过后续提示或新源进行中断以进行细化。我们更新了视觉体验，使您能够更轻松地从头到尾开始、跟踪和审查您的研究。 --- ***2025年7月17日更新：***深度研究现在可以通过 ChatGPT 代理的视觉浏览器功能进行更深层次和更广泛的探索。要访问这些更新的功能，只需从编写器中的下拉菜单选择"代理模式"并直接输入您的查询。原始的深度研究功能仍可通过工具菜单中的"深度研究"选项获取。 --- ***2025年4月24日更新***：我们大幅增加了深度研究的使用频率——Plus、Team、Enterprise 和 Edu 用户现在每月可获得 25 次查询，Pro 用户可获得 250 次，免费用户可获得 5 次。这通过由 o4-mini 版本驱动的深度研究轻量级版本实现，设计用来提高成本效益，同时保持高质量。一旦您达到完整版本的限制，您的查询将自动切换到轻量级版本。 --- ***2025年2月25日更新***：所有 Plus 用户现在都可以使用深度研究。 --- ***2025年2月5日更新***：深度研究现已向英国、瑞士和欧洲经济区的 Pro 用户提供。 --- 今天我们在 ChatGPT 中推出深度研究，这是一项新的代理功能，可对互联网上的复杂任务进行多步骤研究。它可以在数十分钟内完成人类需要花费许多小时的工作。 深度研究是 OpenAI 的下一个代理，可以为您独立工作——您提供一个提示，ChatGPT 将查找、分析和综合数百个在线资源，以创建研究分析师级别的综合报告。由针对网络浏览和数据分析优化的即将推出的 OpenAI o3 模型版本驱动，它利用推理来搜索、解释和分析互联网上大量的文本、图像和 PDF，并根据遇到的信息进行相应调整。 综合知识的能力是创造新知识的前提条件。因此，深度研究标志着我们朝着更广泛目标——开发 AGI 迈出的重要一步，我们一直将其设想为能够产生新颖科学研究的系统。 深度研究是为在金融、科学、政策和工程等领域进行密集知识工作并需要彻底、精确和可靠研究的人士而构建的。对于寻求在需要仔细研究的购买（如汽车、电器和家具）上获得超个性化建议的眼光敏锐的购物者来说，它也同样有用。每项输出都完全有文档记录，具有清晰的引用和其思维总结，使其易于参考和验证信息。它特别有效于找到利基、非直观的信息，这需要浏览许多网站。深度研究通过允许您以一个查询卸载和加快复杂、耗时的网络研究来节省宝贵的时间。 深度研究独立地发现、推理并整合来自网络各地的见解。为了实现这一点，它在需要使用浏览器和 Python 工具的真实任务上进行了训练，使用与 OpenAI o1（我们的第一个推理模型）相同的强化学习方法。虽然 o1 在编码、数学和其他技术领域展示了令人印象深刻的能力，但许多现实世界的挑战需要从多个在线源进行广泛的上下文和信息收集。深度研究建立在这些推理能力之上，以弥补这一差距，使其能够解决人们在工作和日常生活中面临的问题类型。 在 ChatGPT 中，在消息编写器中选择"深度研究"并输入您的查询。告诉 ChatGPT 您需要什么——无论是对流媒体平台的竞争分析，还是关于最佳通勤自行车的个性化报告。您可以附加文件或电子表格以向问题添加上下文。一旦它开始运行，边栏会显示所采取的步骤和使用的源的摘要。 深度研究可能需要 5 到 30 分钟来完成其工作，花费深入挖掘网络所需的时间。在此期间，您可以离开或处理其他任务——研究完成后您会收到通知。最终输出以报告形式出现在聊天中——在接下来的几周内，我们还将在这些报告中添加嵌入式图像、数据可视化和其他分析输出，以获得更多清晰度和上下文。 与深度研究相比，GPT-4o 非常适合实时、多模态对话。对于需要深度和细节至关重要的**多方面、领域特定**查询，深度研究进行广泛探索和引用每项声明的能力是快速摘要和可用作工作产品的记录完善、经过验证答案之间的区别。 深度研究使用端到端强化学习在跨多个领域的复杂浏览和推理任务上进行了训练。通过该训练，它学会了规划和执行多步轨迹以找到所需的数据，在必要时进行回溯并对实时信息做出反应。该模型还能够浏览用户上传的文件、使用 python 工具绘制和迭代图表、在其响应中嵌入生成的图表和网站图像，以及引用其来源中的特定句子或段落。由于这种训练，它在许多关注现实世界问题的公共评估中达到了新的高度。 在 Humanity's Last Exam（https://lastexam.ai/）上，这是最近发布的一项评估，在专家级别问题上测试跨越广泛科目的 AI，驱动深度研究的模型以 26.6% 的准确率达到了新高。该测试包括超过 3,000 道多选题和简答题，跨越 100 多个科目，从语言学到火箭科学、古典学到生态学。与 OpenAI o1 相比，最大的收益出现在化学、人文科学和社会科学，以及数学中。驱动深度研究的模型通过在必要时有效地寻求专业信息展示了类人的方法。 | 模型 | 准确率(%) | |------|----------| | GPT-4o | 3.3 | | Grok-2 | 3.8 | | Claude 3.5 Sonnet | 4.3 | | Gemini Thinking | 6.2 | | OpenAI o1 | 9.1 | | DeepSeek-R1* | 9.4 | | OpenAI o3-mini (medium)* | 10.5 | | OpenAI o3-mini (high)* | 13.0 | | OpenAI deep research** | 26.6 | *模型不是多模态，仅在纯文本子集上评估。 **包含浏览 + python 工具 在 GAIA（https://openreview.net/forum?id=fibxvahvs3）上，一个评估 AI 现实世界问题的公开基准，驱动深度研究的模型达到了新的最先进水平(SOTA)，在外部排行榜（https://huggingface.co/spaces/gaia-benchmark/leaderboard）中名列前茅。包含三个难度级别的问题，这些任务的成功完成需要包括推理、多模态流利度、网络浏览和工具使用能力等能力。 在跨越一系列领域的专家级任务的内部评估中，深度研究被领域专家评为自动化了数小时的困难、手动调查。 ##### 通过率与最大工具调用 通过率与最大工具调用——模型浏览和思考其浏览内容越多，效果越好，这就是为什么给它时间思考很重要。 ##### 按估计经济价值的专家级任务通过率 通过率与估计经济价值 ##### 按估计小时数的专家级任务通过率 通过率与估计小时数——任务的估计经济价值与通过率的相关性强于它需要人类的小时数——模型发现困难的东西与人类认为耗时的东西不同。 深度研究释放了重要的新功能，但仍处于早期阶段且存在限制。它有时可能会在回应中幻想事实或做出不正确的推断，尽管根据内部评估，其速度明显低于现有 ChatGPT 模型。它可能难以区分权威信息和谣言，目前在信心校准方面表现出弱点，经常未能准确传达不确定性。在推出时，报告和引用中可能存在小的格式错误，任务可能需要更长时间才能启动。我们预计所有这些问题都会随着更多使用和时间而迅速改进。 ChatGPT 中的深度研究目前计算密集程度很高。研究查询花费的时间越长，所需的推理计算就越多。我们从针对 **Pro 用户** 优化的版本开始，每月最多 100 次查询。**Plus 和 Team 用户**将接下来获得访问权限，随后是 Enterprise。我们仍在努力为英国、瑞士和欧洲经济区的用户提供访问权限。 当我们发布由仍然提供高质量结果的较小模型驱动的更快、更具成本效益的深度研究版本时，所有付费用户都将很快获得更高的费率限制。 在接下来的几周和几个月内，我们将致力于技术基础设施，密切监视当前版本，并进行更严格的测试。这符合我们的迭代部署原则。如果所有安全检查继续满足我们的发布标准，我们预计在大约一个月内向 Plus 用户发布深度研究。 深度研究今天可在 ChatGPT 网络上获得，将在本月内推出到移动和桌面应用程序。目前，深度研究可以访问开放网络和任何上传的文件。将来，您将能够连接到更多专业数据源——扩展其对基于订阅或内部资源的访问——以使其输出更加稳健和个性化。 展望未来，我们设想在 ChatGPT 中汇聚代理体验，以实现异步、现实世界的研究和执行。深度研究（可执行异步在线调查）和 Operator（可采取现实世界行动）的组合将使 ChatGPT 能够为您执行越来越复杂的任务。 --- ***2025年2月3日附录***：我们对驱动深度研究的 o3 早期版本进行了严格的安全测试、准备工作评估和治理审查，将其确定为**中等**（https://cdn.openai.com/openai-preparedness-framework-beta.pdf）**风险**。我们还运行了额外的安全测试，以更好地了解与深度研究的网络浏览能力相关的增量风险，并且我们已添加了新的缓解措施。我们将继续彻底测试并密切监控当前的有限版本。当我们将访问权限扩展到 Plus 用户时，我们将在系统卡中分享我们的安全见解和深度研究的保障措施。