对抗 OpenAI GPT-5.2：谷歌祭出 Gemini Deep Research 深度研究智能体并首次向开发者开放，DeepSearchQA 因果链测试基准重磅开源

在 OpenAI 发布 GPT-5.2 之后，谷歌紧接着就推出了更强大的 Gemini Deep Research 深度研究智能体，同时推出全新交互 API（Interactions API）并藉此首次面向开发者开放。

12 月 12 日消息，在 OpenAI 发布 GPT-5.2 之后，谷歌紧接着就推出了更强大的 Gemini Deep Research 深度研究智能体，同时推出全新交互 API（Interactions API）并藉此首次面向开发者开放。

此外，谷歌还开源了全新的深度搜索评估基准 DeepSearchQA，用于衡量多步骤复杂检索任务中的研究全面性。此次升级标志着 AI 自主研究能力正式进入工业化应用阶段。

Gemini Deep Research 基于 Gemini 3 Pro 构建，专为长周期的内容收集与综合任务优化，幻觉率降低 40%，是谷歌迄今“最具事实性”的模型，并可通过专项训练提升复杂任务中的报告质量。谷歌表示，通过扩展面向搜索的多步骤强化学习，该智能体能够在复杂信息环境中以更高精度自主导航。

谷歌 DeepMind 产品经理路卡斯・哈斯（Lukas Haas）在 X 上透露，Gemini Deep Research 已经实现 SOTA，在谷歌新基准测试上得分 46.4%，在 BrowseComp 上与 GPT-5 Pro 相当，但价格只有其 1/10 左右。

Deep Research 会反复规划研究路径，包括形成搜索查询、阅读结果、识别缺口并再次搜索。本次升级带来显著增强的网页搜索能力，使其能深入网站获取具体数据。

据介绍，该智能体在 Humanity's Last Exam (HLE 人类终极考试)、DeepSearchQA 及 BrowseComp 中取得最新最优成绩，并可在显著更低成本下生成深入研究报告。谷歌称，这项能力未来将应用到 Google Search、NotebookLM、Google Finance 及 Gemini App 之中。

DeepSearchQA：面向复杂研究智能体的全新评测基准

由于现有评测难以体现真实世界的多步骤研究复杂性，谷歌同步宣布开放 DeepSearchQA 数据集与工具。该基准包含跨 17 个领域、900 个“因果链”任务，每一步均依赖前序分析，要求智能体生成详尽答案集，从而衡量其研究精度与检索全面性。

谷歌表示，DeepSearchQA 还能作为“思考时间”效益的诊断工具。内部测试显示，让智能体执行更多搜索与推理步骤可显著提升表现，这部分将在未来版本中继续探索。

开发者可访问数据集、排行榜与 Colab 示例，并阅读数据集技术报告。

Deep Research 在实际领域的早期应用

谷歌称，Gemini Deep Research 已在需要高精度和上下文理解的多个行业中展现出显著效果，包括金融服务、生物技术和市场研究。

• 在金融行业，企业利用 Deep Research 自动化尽调中的早期信息收集环节，如整合市场信号、竞争格局与合规风险，从而提升研究效率。
• 在科研领域，Axiom Bio 使用该智能体处理药物毒性预测相关的文献分析，获得更高的研究深度与颗粒度，加速药物开发流程。

开发者能力：文件解析、结构化输出、引用管理

通过 Interactions API，开发者可调用 Gemini Deep Research 构建下一代自动化研究工具，主要特性包括：

• 统一信息综合：整合上传文件（PDF、CSV 等）和公共网页数据，并能处理大上下文量。
• 可控报告结构：可通过提示词定义输出结构、标题、表格格式等。
• 精细引用：为报告中各项事实提供细粒度来源。
• 结构化输出：支持 JSON schema 以便下游处理。

Interactions API

开发者可通过 Google AI Studio 的 Gemini API Key 使用 Interactions API 构建应用。

谷歌表示，未来更新将加入原生图表输出、扩展 Model Context Protocol（MCP）支持以接入更多自定义数据源，并在企业服务平台 Vertex AI 上提供 Deep Research。

如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！​

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。