Deep Research: el agente de OpenAI para la minería y el análisis profundo de información 193

Openai 最新推出的 Deep Research 是一款面向深度研究领域的智能体产品，旨在帮助用户进行复杂的信息查询与分析，Deep Research能够独立发现、推理并整合来自网络的见解，提供全面的研究报告和关键发现。

Funciones y aplicaciones de Deep Research

• Integración de información: capaz de recopilar información de múltiples fuentes y consolidarla en informes fáciles de entender.

• Análisis en tiempo real: los usuarios pueden realizar investigaciones temáticas en tiempo real y obtener la información y los datos más recientes.

• Aplicabilidad en múltiples campos: esta herramienta es aplicable a múltiples campos como finanzas, ciencia, política e ingeniería, siendo especialmente adecuada para profesionales que necesitan realizar trabajo intelectual profundo.

Características técnicas de Deep Research

Aprendizaje por refuerzo de extremo a extremo

• Deep Research utiliza tecnología de aprendizaje por refuerzo de extremo a extremo, lo que permite al modelo optimizarse globalmente desde la entrada hasta la salida.

• Al interactuar con el entorno, el modelo puede planificar y ejecutar trayectorias de investigación de varios pasos, y retroceder para ajustar la estrategia cuando detecta desviaciones, garantizando así la precisión de los resultados.

Razonamiento de varios pasos y ajuste dinámico

• Deep Research es capaz de elaborar planes de investigación como un investigador humano, descomponiendo gradualmente tareas complejas.

• Por ejemplo, al analizar tendencias del mercado, el modelo obtiene información preliminar mediante búsquedas por palabras clave, busca además informes sectoriales, datos estadísticos, etc., y compara y analiza información de distintas fuentes para generar finalmente un informe integral.

• A medida que descubre más información, el modelo ajusta su plan para garantizar la exhaustividad y precisión de los resultados.

Rompimiento de la limitación del tiempo de respuesta

• A diferencia de los modelos tradicionales que persiguen respuestas rápidas, Deep Research permite que el modelo dedique entre 5 y 30 minutos, o incluso más, a procesar las preguntas.

• Esta latencia no es una desventaja, sino una señal de que el modelo está alcanzando la madurez. Mediante el análisis profundo de grandes volúmenes de información, el modelo puede producir resultados de investigación más completos y precisos.

Diseño modular

• Deep Research está compuesto por varios módulos, incluyendo descubrimiento de información, síntesis de información, razonamiento y módulo de salida.

• El módulo de descubrimiento de información puede localizar rápidamente bases de datos académicas, sitios web de instituciones de investigación, etc., proporcionando material abundante para el análisis posterior.

• El módulo de síntesis de información se encarga de integrar la información, el módulo de razonamiento realiza el razonamiento lógico y el módulo de salida genera el informe.

Escenarios de aplicación de Deep Research

Investigación de mercado e investigación académica

• Deep Research destaca en los campos de investigación de mercado e investigación académica.

• Por ejemplo, puede recopilar datos de mercado de distintas regiones y periodos para pronosticar tendencias; en la investigación académica, es capaz de estudiar a fondo la literatura, descubrir conexiones潜在 entre distintos estudios y ofrecer ideas de investigación valiosas a los investigadores.

Decisiones de consumo y recomendaciones personalizadas

• Para productos que requieren una investigación minuciosa (como automóviles, electrodomésticos, muebles, etc.), Deep Research puede generar informes de recomendaciones altamente personalizados.

• Analiza las necesidades del usuario y los datos del mercado para proporcionar sugerencias de compra detalladas.

Procesamiento automatizado de tareas complejas

• Con solo una indicación del usuario, Deep Research puede buscar, analizar e integrar cientos de recursos en línea, generando un informe integral al nivel de un analista de investigación.

• Por ejemplo, puede generar informes de competidores y de mercado, o ayudar al usuario a encontrar una serie de televisión cuyo nombre ha olvidado pero de la que recuerda algún episodio.

Rendimiento y resultados de pruebas

Resultados en el "Examen Final Humano"

• En el "Examen Final Humano" publicado por el Centro de Seguridad y Escala de IA, Deep Research alcanzó una precisión del 26.6%, muy por encima de otros modelos conocidos (como DeepSeek-R1 con 9.4% y o3-mini high con 13%).

• Esta prueba contiene más de 3000 preguntas de opción múltiple y de respuesta corta, abarcando más de 100 disciplinas, desde lingüística hasta ciencia de cohetes, y desde estudios clásicos hasta ecología.

Resultados en la prueba de referencia GAIA

• En la prueba de referencia GAIA, Deep Research alcanzó nuevas cotas en los tres niveles de dificultad, con una puntuación de 72.57, superando al mejor método anterior (63.64).

• Estas tareas requieren que el modelo posea capacidades de razonamiento, fluidez multimodal, navegación web y uso de herramientas.

Pruebas internas y evaluación de expertos

• Las pruebas internas de OpenAI muestran que Deep Research es capaz de completar tareas que a los expertos les llevarían varias horas.

• Por ejemplo, en los ámbitos de finanzas, ciencia e ingeniería, el desempeño del modelo ha sido altamente valorado por expertos en la materia.

¿Cómo usar Deep Research?

Permisos de usuario

• Actualmente, Deep Research solo está disponible para los usuarios de ChatGPT Pro, con un máximo de 100 consultas al mes.

• A continuación, los usuarios Plus y Team obtendrán acceso, seguidos por los usuarios empresariales.

Pasos de operación

• En ChatGPT, selecciona Deep Research en el "message composer" e introduce tu consulta.

• Dile a ChatGPT qué necesitas, ya sea un análisis competitivo sobre plataformas de streaming o un informe personalizado sobre el mejor desplazamiento diario.

• Incluso puedes adjuntar archivos o hojas de cálculo para añadir contexto a la pregunta.

• Una vez que comience a ejecutarse, la barra lateral mostrará un resumen de los pasos seguidos y las fuentes utilizadas.

• Deep Research puede tardar entre 5 y 30 minutos en completar su trabajo; el usuario puede ausentarse o realizar otras tareas y recibirá una notificación cuando haya finalizado.

• El resultado final aparecerá en el chat en forma de informe. En las próximas semanas, OpenAI también añadirá imágenes incrustadas, visualizaciones de datos y otras salidas analíticas a estos informes para proporcionar explicaciones y contexto más claros.

Comparación con GPT-4o

Capacidad en tiempo real

GPT-4o es más adecuado para conversaciones multimodales en tiempo real, mientras que Deep Research requiere más tiempo para completar tareas de investigación profunda y detallada en varios pasos.

Capacidad integral

• Deep Research puede realizar una exploración amplia y citar cada afirmación, siendo adecuado para consultas que necesitan profundidad y detalle en diversos aspectos y campos específicos.

• GPT-4o muestra capacidades impresionantes en codificación, matemáticas y otros campos técnicos, pero muchos desafíos del mundo real requieren recopilar amplios antecedentes e información de diversas fuentes en línea, que es el punto fuerte de Deep Research.

Detalle：https://openai.com/index/introducing-deep-research/