今天凌晨4点30，OpenAI推出轻量级版本的Deep research功能提高当前的速率限制，以扩大Plus、Team和Pro用户的使用范围。
值得一提的是，从今天开始免费ChatGPT用户可以使用Deep research，并且支持最新的o4-mini模型。
下面「AIGC开放社区」就用免费版为大家展示一下Deep research的免费功能。现在打开免费版ChatGPT，你就会发现下面多了一个“深度研究功能”，这个就是Deep research。
例如，我们想写一份论文，提示词：我想写一份关于量子计算的论文，能帮我找一些资料吗？
ChatGPT会回答你，能否继续补充一下你写论文的资料。还列举了5个案例。
咱们直接回答，就按你说的那5点吧。这个时候你会发现，Deep research已经开始工作，按照那5点开始整合资料了。
这个搜索的时间会按照你提供的主题而定。如果是一个简单的问题，可能就是几分钟，像论文这种需要搜索、整合大量资料的内容，时间就会很长。咱们这个量子计算论文就用了将近25分钟。
搜索完毕后，ChatGPT会提供所有整合内容，并提供源链接帮你节省大量搜索时间。相当的好用，关键免费的非常香。
想写论文、写旅游攻略、写小说、金融分析的用Deep research非常高效。
Deep research是OpenAI在今年2月3日发布的AI Agent模型，用户只需提供一个提示词，深度研究就能搜索、分析并综合数百个在线资源，生成一份媲美专业研究分析师水平的全面报告。
最初Deep Research是基于o3 模型的优化版本开发的，并针对网页浏览和数据分析场景进行了专项适配，能够运用推理能力搜索、解读和分析互联网上海量的文本、图像和 PDF 文件，并根据获取的信息灵活调整研究方向。
端到端强化学习是 Deep Research 技术的关键所在。传统的机器学习方法在处理复杂任务时，往往需要人为地划分多个阶段进行训练和优化，而端到端强化学习则让模型从输入到输出进行整体的学习和优化。
Deep Research通过这种学习方式，学会了规划和执行多步骤的研究轨迹。在面对一个复杂的研究课题时，它能够像人类研究者一样，制定出合理的研究计划，先确定从哪些渠道获取信息，然后根据获取到的信息进行分析，判断下一步的研究方向。
如果在研究过程中发现之前的计划存在偏差，它还能像经验丰富的研究者一样进行回溯，重新调整研究策略，确保最终能得到准确且有价值的结果。
在这个学习过程中，模型不断地与环境进行交互，从环境反馈中学习最优的行为策略。在浏览网页获取信息时，模型会根据网页内容的相关性、可信度等因素，决定是否深入浏览该网页，以及如何提取其中有用的信息。这种基于实时信息进行决策和调整的能力，是 Deep Research 能够高效完成复杂研究任务的重要保障。
除了端到端强化学习，去除模型的延迟限制也是 Deep Research 的重要技术突破。传统的大模型为了追求快速响应，往往在处理复杂问题时只能浅尝辄止，无法进行深入的思考和分析。
Deep Research模型由多个模块组成，有点类似分层的AI Agent协同工作。信息发现模块，能够快速定位到各类网站、文档、数据库等信息源，并从中提取出有价值的线索。
当用户想要了解某一特定疾病的最新研究进展时，信息发现模块会迅速在学术数据库、科研机构网站、医学论坛等多个平台上搜索相关的论文、研究报告、专家观点等信息，为后续的分析和综合提供丰富的素材。
信息发现模块还具备强大的信息筛选能力。它能够根据关键词、语义关联、信息的时效性和可信度等多个维度对搜索到的信息进行初步筛选，排除那些与用户问题无关或价值较低的信息，大大提高了信息处理的效率和质量。
在筛选过程中，它会运用自然语言处理技术对信息内容进行分析，准确理解信息的含义，确保筛选出的信息与用户需求高度匹配。
信息综合模块，能将来自不同渠道的信息进行整合和梳理，识别出信息之间的逻辑关系，将零散的信息组织成一个有条理的整体。
测试数据方面，“人类最终考试”，是一项涵盖广泛知识领域的基准测试。包含约 3000 个简答题和多项选择题 ，涉及约 100 个不同学科。结果显示，Deep Research 模型的准确率达到 26.6%，超过R1、o1、Grok2等知名开闭源模型。
