OpenAI推出了Deep Research功能，这是一个能够整合网络上大量分散信息并自动执行多步骤研究的系统，最终生成报告。该系统利用端到端的强化学习技术，通过大量训练学会自主规划和执行信息搜索流程。它还集成了Python工具，可以绘制图表、嵌入图片并精确引用来源，满足报告的技术性和细节需求。Deep Research采用强化学习与多模态推理相结合的方法，可以根据用户提示调整搜索策略，并动态生成和迭代图形。在多项测试中，Deep Research展现出高准确率，尤其在处理复杂问题时，性能优于其他模型。目前主要提供给Pro用户使用，未来将扩展至更多用户。

🧠Deep Research利用端到端的强化学习技术，通过大量针对困难浏览与推理任务的训练，能够自主规划并执行多步骤的信息搜索流程，从而高效整合网络信息。

🛠️系统内置Python工具，不仅能绘制图表、嵌入网站图片，还能精确引用来源文字，确保研究报告的专业性和细节完整性，并提供数据可视化效果。

🎯在多项测试中，Deep Research展现出卓越的性能，例如在Humanity's Last Exam测试中，其准确率达到26.6%，显著优于其他先进的语言模型；在GAIA基准测试中，其在pass@1和cons@64测试中均表现出高平均准确率，证明了其在多步骤推理、网页浏览和工具运用上的综合能力。

🌐Deep Research目前主要提供给Pro用户使用，未来计划逐步扩展至Plus、Team和Enterprise等更多用户，并且将连接更多专业订阅资源与内部数据库，以提升报告信息的丰富性和精准度。

OpenAI推出Deep Research功能，能夠整合網路上大量分散資訊，自動執行多步驟研究，最後產出報告結果。根據官方資料，該系統利用端對端的強化學習技術，經由大量針對困難瀏覽與推理任務的訓練，學會自主規畫並執行多步驟資訊搜尋流程。藉由與內建Python工具的整合，Deep Research不僅能夠繪製圖表、嵌入網站圖片，還能精確引用來源文字，以滿足研究報告對技術性與細節的需求。從技術層面來看，Deep Research採用了強化學習與多模態推理相結合的方法，使得系統能夠根據使用者的提示自動調整搜尋策略。該模型可以在需要時主動回溯與調整搜尋路徑，進而應對網路上資訊量龐大且複雜的內容彙整挑戰。此外，其內建的Python工具能夠動態生成與迭代圖形，並將分析結果嵌入最終的報告中。Deep Research不僅可提供資料視覺化效果，也大幅降低了人力整理資訊的負擔。根據OpenAI內部評估結果，在Humanity's Last Exam這項涵蓋多領域專家級問題的測試中，Deep Research取得了26.6％的準確率，相較於其他先進的語言模型，諸如OpenAI o3-mini_high 13.0％、DeepSeek-R1 9.4％與OpenAI o1 9.1％，Deep Research具有高精確的優勢。另一項在GAIA基準測試平臺進行的試驗顯示，在面對3個不同難度等級的問題時，Deep Research在pass@1測試中，準確率分別達到74.29％、69.06％與47.6％，平均分67.36％，而在更密集的cons@64測試下，其各難度平均準確率更達到72.57％，這些資料呈現出Deep Research在多步驟推理、網頁瀏覽與工具運用上的綜合能力。Deep Research目前主要提供給Pro用戶使用，未來將逐步擴展至Plus、Team與Enterprise等更多使用者。OpenAI表示，除了目前能夠存取的開放網路資料外，未來Deep Research還將連接更多專業訂閱資源與內部資料庫，以進一步提升報告資訊的豐富性與精準性。在去年底時，Google就在其Gemini服務中加入了的Deep Research功能，採用Gemini 1.5 Pro模型，代使用者上網搜尋並深入研究複雜主題，生成條理清晰的報告，並支援直接匯出至Google Docs。史丹佛大學也推出類似Deep Research的研究計畫，稱之為STORM，採用Bing搜尋引擎尋找網路資料，助使用者編寫類似維基百科的文章。