Представляем функцию глубинного исследования (deep research)02.02.2025 16:00

Обновление от 10 февраля 2026 г.: Теперь вы можете подключать функцию глубинного исследования к любому MCP-серверу или приложению, а также ограничивать поиск в интернете доверенными сайтами, сосредотачиваясь на проверенных источниках отраслевого уровня. Вы также можете отслеживать прогресс в реальном времени и прерывать процесс для уточнения задачи с помощью дополнительных запросов или новых источников. Мы обновили визуальный интерфейс, чтобы вам было проще начинать, отслеживать и проверять результаты исследования от начала и до конца.

Обновление от 17 июля 2025 г.: Функция глубинного исследования стала еще более масштабной и глубокой благодаря доступу к визуальному браузеру в составе агента ChatGPT. Чтобы воспользоваться этими новыми возможностями, просто выберите «режим агента» (agent mode) в выпадающем меню поля ввода и введите свой запрос напрямую. Исходный функционал глубинного исследования по-прежнему доступен через опцию «глубинное исследование» в меню инструментов.

Обновление от 24 апреля 2025 г.: Мы существенно увеличиваем доступность глубинного исследования — теперь пользователи тарифных планов Plus, Team, Enterprise и Edu получают 25 запросов в месяц, пользователи Pro — 250, а пользователи бесплатной версии — 5. Это стало возможным благодаря новой облегченной версии глубинного исследования на базе модификации o4-mini, которая разработана с расчетом на большую экономичность при сохранении высокого качества. Как только вы исчерпаете лимит для полной версии, ваши запросы будут автоматически переключаться на облегченную версию.

Обновление от 25 февраля 2025 г.: Все пользователи Plus теперь могут использовать функцию глубинного исследования.

Обновление от 5 февраля 2025 г.: Функция глубинного исследования теперь доступна пользователям Pro в Великобритании, Швейцарии и Европейской экономической зоне.

Сегодня мы запускаем в ChatGPT функцию глубинного исследования (deep research) — новую агентную возможность, которая выполняет многоэтапный поиск в интернете для решения сложных задач. То, на что у человека уходят многие часы, система делает за десятки минут.

Глубинное исследование — это следующий агент от OpenAI, способный выполнять работу за вас автономно: вы задаете запрос, а ChatGPT находит, анализирует и синтезирует сотни онлайн-источников, создавая комплексный отчете на уровне профессионального аналитика-исследователя. Работая на базе версии грядущей модели OpenAI o3, оптимизированной для веб-серфинга и анализа данных, система задействует механизмы рассуждения для поиска, интерпретации и анализа огромных объемов текста, изображений и PDF-файлов в интернете, корректируя свои действия по мере поступления новой информации.

Способность синтезировать знания является обязательным условием для создания новых знаний. По этой причине глубинное исследование знаменует собой важный шаг на пути к нашей более широкой цели по созданию искусственного общего интеллекта (AGI), который, как мы всегда предполагали, будет способен проводить новые научные исследования.

Функция глубинного исследования создана для специалистов, занятых интенсивной интеллектуальной работой в таких областях, как финансы, наука, государственная политика и инженерия, которым необходимы тщательные, точные и надежные изыскания. Она также будет полезна взыскательным покупателям, которым нужны гиперперсонализированные рекомендации при приобретении товаров, обычно требующих детального изучения, таких как автомобили, бытовая техника и мебель. Каждый результат полностью документируется с четкими цитатами и сводкой логических выводов, что облегчает поиск первоисточников и верификацию информации. Инструмент особенно эффективен в поиске узкоспециализированной, неочевидной информации, для получения которой пришлось бы просматривать множество веб-сайтов. Глубинное исследование экономит драгоценное время, позволяя перепоручить и ускорить сложный, ресурсоемкий веб-поиск с помощью всего одного запроса.

Глубинное исследование самостоятельно обнаруживает, осмысляет и объединяет идеи со всего интернета. Для этого оно было обучено на реальных задачах, требующих использования браузера и инструментов Python, с применением тех же методов обучения с подкреплением, которые лежат в основе OpenAI o1 — нашей первой модели с рассуждениями. Хотя o1 демонстрирует впечатляющие возможности в программировании, математике и других технических областях, многие реальные проблемы требуют обширного контекста и сбора информации из разнообразных онлайн-источников. Глубинное исследование опирается на эти возможности рассуждения, чтобы преодолеть этот разрыв, позволяя справляться с проблемами, с которыми люди сталкиваются на работе и в повседневной жизни.

В ChatGPT выберите «глубинное исследование» в панели создания сообщения и введите свой запрос. Расскажите ChatGPT, что именно вам нужно — будь то конкурентный анализ стриминговых платформ или персонализированный отчет о лучших велосипедах для поездок на работу. Вы можете прикреплять файлы или электронные таблицы, чтобы добавить контекст к вашему вопросу. Как только процесс начнется, появится боковая панель со сводкой предпринятых шагов и использованных источников.

Глубинное исследование может занять от 5 до 30 минут, уделяя столько времени, сколько необходимо для детального погружения в интернет. Тем временем вы можете отойти от экрана или заняться другими делами — вы получите уведомление, как только исследование будет завершено. Финальный результат поступает в виде отчета прямо в чате. В ближайшие недели мы также добавим в эти отчеты встроенные изображения, визуализацию данных и другие аналитические элементы для большей наглядности и контекста.

По сравнению с глубинным исследованием, модель GPT‑4o идеально подходит для работы в режиме реального времени и мультимодальных разговоров. Для многоаспектных, предметно-ориентированных запросов, где критически важны глубина и детализация, способность глубинного исследования проводить масштабный поиск и цитировать каждое утверждение превращает краткую выжимку в хорошо документированный, проверенный ответ, который можно использовать в качестве готового рабочего продукта.

Глубинное исследование обучалось с использованием сквозного обучения с подкреплением на сложных задачах веб-серфинга и рассуждения в самых разных дисциплинах. В процессе такого обучения модель научилась планировать и выполнять многоэтапную траекторию для поиска необходимых данных, возвращаясь назад и реагируя на информацию в реальном времени там, где это необходимо. Модель также способна просматривать загруженные пользователем файлы, строить и корректировать графики с помощью инструментов Python, встраивать в свои ответы как сгенерированные графики, так и изображения с веб-сайтов, а также цитировать конкретные предложения или фрагменты из своих источников. Благодаря такому обучению система достигает рекордных показателей в целом ряде публичных бенчмарков, ориентированных на реальные задачи.