Deep Research от OpenAI: что умеет новый «рассуждающий» ии-агент

С появлением «рассуждающих» нейросетей, OpenAI срочно нужно было чем-то ответить. Так появился Deep Research — агент на основе GPT o3, способный проводить действительно вдумчивый анализ источников.

У него широкий функционал:

• поиск;
• фильтрация;
• сортировка;
• сопоставление данных;
• генерация подробных отчетов на основе найденной информации.

Что такое Deep Research? Чем он отличается от других нейросетей? И наконец, как его можно использовать? Вот на эти вопросы сейчас и ответим.

Что это и как работает

Deep Research — это ии-агент. Он разработан для того, чтобы проводить исследования в Интернете, пошагово и достаточно глубоко. Deep Research будет «гуглить» тему, ссылаться на ресурсы и формулировать ответ на основе многостороннего поиска. Все это он способен сделать за несколько минут.

В его основе лежит модель GPT o3 от OpenAI. Но почему просто не использовать для тех же целей оригинальную модель? Потому что Deep Research был спроектирован конкретно для поиска и анализа данных в режиме реального времени.

Чтобы добиться от Deep Research результатов, его тренировали на задачах, связанных с поиском и рассуждениями. Именно поэтому он исследует пошагово и умеет превращать множество источников в понятный отчет.

Что показали бенчмарки

Deep Research набрал рекордные 26,6% на бенчмарке Humanity’s Last Exam — тесте, который «гоняет» нейросети по вопросам экспертного уровня во всех возможных направлениях, от экологии до ядерной физики. Для примера: DeepSeek-R1 получил всего 9,4%.

На бенчмарке GAIA, специально предназначенном для агентов искусственного интеллекта, Deep Research тоже поставил рекорд, набрав со второй попытки усредненные 72,57%. Предыдущий рекорд — 63,64%. Таким образом, и тут модель оказалась абсолютной звездой.

Способность эффективно искать в Интернете, анализировать найденное и составлять отчеты делают Deep Research бесценным помощником в целом ряде областей. Это хороший инструмент для специалистов в области финансов, науки и инженерного дела, бизнес-стратегов, исследователей и студентов, писателей и журналистов, а также простых пользователей, которым нужно, например, купить дом или автомобиль.

OpenAI против xAI

Почти сразу после выхода у Deep Research появился конкурент — разработанный компанией Илона Маска Grok 3 с функцией DeepSearch. Важным отличием стало то, что Deep Research — инструмент платный, доступный только в подписках от OpenAI, в то время как Grok 3 бесплатен для всех пользователей социальной сети X (заблокирована в России).

В маркетинге

Однако в других областях наблюдался перекос совсем не в сторону бесплатного Grok 3. На сайте Analytics Vidhya провели подробное сопоставление двух моделей. Первой задачей было сделать SEO-анализ сайта с промптом: «Распиши стратегии для улучшения трафика на сайте Analytics Vidhya Blog».

Grok 3 ответил всего за 47 секунд, чего откровенно мало для глубокого исследования. Все рекомендации были достаточно общими, такие могла бы сгенерировать любая нейросеть, с отсутствием полезных инсайтов. С другой стороны, Deep Research потребовалось 10 минут на генерацию отчета, и он даже задал уточняющие вопросы. Результат получился довольно полезным — пользователь написал, что был искренне впечатлен ответом нейросети.

В исследованиях

Второй запрос был исследовательским: «Я хочу написать отчет по зарплатам в области генеративного искусственного интеллекта. Мне нужна информация о разных странах, с учетом опыта работы, навыков и даже областей».

Deep Research предоставил данные по разным странам, включая Сингапур, Израиль и Западную Европу, расписал информацию по областям, включив в них промпт-инжиниринг, NLP, обучение с подкреплением, даже этику использования ИИ. Он предоставил отчет по зарплатным трендам в разных категориях, учел стоимость жизни в разных странах и привел иллюстрации. Grok 3 сфокусировался на меньшем количестве стран, предоставил не такую детальную информацию по зарплатам, а также достаточно ограниченные данные по навыкам и анализу областей. Ссылок на источники тоже было меньше.

Исходя из этого, автор назвал Deep Research более структурированным и полезным в плане анализа. Grok 3 с ним соревноваться пока не может — с другой стороны, он совершенно бесплатен для пользователей X (заблокирована в России).

Как использовать

Использовать Deep Research могут как простые пользователи, так и компании, а также научные работники и студенты.

• Один пользователь Reddit использовал его для личных исследований, касающихся близящейся медицинской процедуры. «Информация была подробной, хорошо представленной и настолько понятной, что ее можно было сравнить с данными от моего специалиста».

• Другой пользователь также использует Deep Research в личных целях — задает запрос о теологии или философии. Обычно это касается мнений, с которыми пользователь, скорее всего, не готов будет согласиться. Таким образом можно получить полярность суждений, которая будет очень полезна и для личных мысленных упражнений, и для работы.
• Личной целью можно назвать и принятие решения между покупкой нового или подержанного автомобиля. Пользователь поручил Deep Research проанализировать преимущества и недостатки обеих опций. Инструмент ИИ синтезировал информацию из различных источников, включая академические исследования, отраслевые отчеты и рыночные анализы, предоставив подробный отчет за примерно шесть минут. Этот отчет содержал ценные сведения, такие как детализированные значения амортизации, что помогло пользователю сделать обоснованный выбор.
• Куда более востребован Deep Research оказался в решении рабочих задач. Пользователь запросил актуальный обзор инициатив Google в сфере искусственного интеллекта, включая модели Gemini 2.0 Flash, Imagen 3, Veo 2, Project Mariner и Project Astra. Deep Research провел подробный поиск, изучив различные источники в течение примерно 11 минут. Отчет был хорошо структурирован, содержал четкие разделы, маркированные списки и ссылки, что облегчало проверку информации.

• Автор другой статьи использовал Deep Research для сбора академической литературы и ресурсов для своих проектов. Указывая тип необходимых источников, таких как книги, научные статьи или документальные фильмы, пользователь получил тщательно подобранные списки соответствующих материалов, что сильно упростило процесс исследования.

Этот же пользователь применял Deep Research и для других задач:

• исследование рынка и прогнозирование трендов;
• подбор диетических рекомендаций;
• сравнение цен;
• изучение языков.

Deep Research использовался им для поиска и составления актуальной статистики по различным темам. Как оказалось, пользователи могут запрашивать конкретные данные, и инструмент собирает текущую статистику из надежных источников, помогая в анализе данных и подготовке отчетов.

Что сказать в заключение?

Что Deep Research — не просто очередная нейросеть, а мощный инструмент, который меняет подход к поиску и анализу информации. Его способность проводить глубокие исследования, структурировать данные и предоставлять детализированные отчеты делает его незаменимым помощником для бизнеса, науки и решения повседневных задач. Будь то анализ рынка, исследование конкурентов, подготовка научных работ или просто поиск оптимального решения перед важной покупкой — Deep Research справляется с задачами быстро, грамотно и с учетом самых актуальных данных.