OpenAI שחררה את Deep Research, סוכן בינה מלאכותית שמופעל על ידי גרסה של המודל העתידי o3. הוא מיועד לגלוש באינטרנט, לנתח מקורות רבים ולסנתז כמויות גדולות של מידע.
אתם אולי תוהים: האם ChatGPT לא עושה את זה כבר עכשיו?
בניגוד לשיחה רגילה עם ChatGPT, שמייצר תשובות מהירות, Deep Research יכול לבצע חקירות רב-שלביות, להסתמך על מקורות רבים ולייצר דוחות מובנים.
לדוגמה, האם אי פעם חקרתם איזו מכונית הכי משתלם לקנות—השוואת ביקורות, עלויות וכו’—אתם יודעים שלמצוא מידע אמין לוקח זמן והרבה שיטוט ברשת. Deep Research נבנה בדיוק למשימות מסוג זה.
חקרתי את Deep Research, והרגשתי גם התפעלות וגם אכזבה. מצד אחד, הוא מציג פוטנציאל גדול; מצד שני, הוא גם מספק לפעמים עובדות שגויות ומסקנות לא נכונות. במאמר הזה, אהיה “הסוכן האנושי” שלכם ואסכם את כל מה שאתם צריכים לדעת על Deep Research. אעבור אתכם על דוגמאות מעשיות, אחלוק טיפים להנחיית המודל, ואציג איפה הוא מוצלח—ואיפה חשוב שתנהגו בזהירות יתרה.
מה זה Deep Research של OpenAI?
Deep Research של OpenAI הוא סוכן מונע בינה מלאכותית, שנועד לבצע מחקר מעמיק ורב-שלבי באינטרנט. בניגוד ליכולות הגלישה הסטנדרטיות של ChatGPT, שמספקות תשובות מהירות, Deep Research מוצא, מנתח ומסנתז מידע באופן אוטונומי ממאות מקורות מקוונים.
OpenAI’s DeepResearch ניתן לגשת אליו מתוך הצ’אט
Deep Research מיועד לכל מי שצריך מחקר מקיף ואמין, כולל:
- אנשי מקצוע בתחומי פיננסים, מדע, מדיניות והנדסה הזקוקים לדוחות מובנים עם מקורות מצוטטים
- אסטרטגים עסקיים שעושים ניתוח תחרותי או חיזוי מגמות
- חוקרים וסטודנטים שאוספים מידע ממקורות מרובים
- קונים וצרכנים שמקבלים החלטות רכישה כבדות משקל (לדוגמה, מכוניות, מכשירי חשמל, נדל”ן)
- כותבים, עיתונאים ואנליסטים שזקוקים לעובדות מדויקות ולמידע ממקורות רבים
בשורה התחתונה, אם המשימה מערבת גלישה במקורות מרובים, הצלבת נתונים וסינתוז מידע לפורמט שימושי—Deep Research הוא הכלי המתאים.
איך Deep Research עובד?
Deep Research פועל בעזרת גרסה של המודל העתידי o3, שנבנה על ההתקדמות של OpenAI במודלי Reasoning, אך מותאם במיוחד לגלישה באינטרנט ולניתוח נתוני עולם אמיתי.
כדי להגיע להישג הזה, OpenAI אימנה את Deep Research בשיטת Reinforcement Learning על משימות גלישה וניתוח מידע מהעולם האמיתי. הדבר מאפשר למודל לפעול בתהליך מחקר איטרטיבי, צעד אחר צעד, ולשפר את היכולת שלו לסנתז נושאים מורכבים לכדי דוחות מובנים.
Deep Research מקרי מבחן
Humanity’s Last Exam
Humanity’s Last Exam הוא Benchmark חדש שבודק בינה מלאכותית בשאלות ברמת מומחה (Multiple-choice ותשובות קצרות) בלמעלה מ-100 מקצועות—מבלשנות והנדסת חלל ועד לאקולוגיה ומתמטיקה. המטרה היא למדוד את היכולת של הבינה המלאכותית להפעיל חשיבה בין-תחומית ולחפש ידע מיוחד כשצריך—כישור חיוני למודלים המתמקדים במחקר.
Deep Research השיג דיוק מרשים של 26.6%, הרחק מעל מודלים קודמים, כולל o1 של OpenAI (9.1%), DeepSeek-R1 (9.4%) ו-Claude 3.5 Sonnet (4.3%). ראוי לציין שהשיפורים הגדולים ביותר לעומת o1 של OpenAI נרשמו בכימיה, מדעי הרוח והחברה, ומתמטיקה, שם Deep Research הציג יכולת לפרק שאלות מורכבות ולמצוא מידע סמכותי.
| Model | Accuracy (%) |
|---|---|
| GPT-4o | 3.3 |
| Claude 3.5 Sonnet | 4.3 |
| Gemini Thinking | 6.2 |
| OpenAI o1 | 9.1 |
| DeepSeek-R1* | 9.4 |
| OpenAI o3-mini (high)* | 13.0 |
| OpenAI Deep Research (with browsing + Python tools) | 26.6 |
המודלים נבחנו בחלק של המבחן המיועד לטקסט בלבד, משום שהם אינם רב-מודליים. מקור: OpenAI
GAIA
GAIA (General AI Agent benchmark) מעריכה עד כמה מערכות בינה מלאכותית מסוגלות לענות על שאלות מהעולם האמיתי, תוך שילוב יכולות חשיבה, גלישה באינטרנט, הבנת מולטימדיה ושימוש בכלים.
Deep Research השיג תוצאה חדשה של SOTA (State-of-the-Art), כשהוא מוביל את טבלת המובילים החיצונית של GAIA עם ביצועים חזקים בכל רמות הקושי. המודל הראה דיוק גבוה במיוחד ברמה 3, שדורשת מחקר רב-שלבי מורכב וסינתוז של מידע.
| GAIA Evaluation | Level 1 | Level 2 | Level 3 | Average |
|---|---|---|---|---|
| Previous SOTA | 67.92% | 67.44% | 42.31% | 63.64% |
| Deep Research (pass@1) | 74.29% | 69.06% | 47.6% | 67.36% |
| Deep Research (cons@64) | 78.66% | 73.21% | 58.03% | 72.57% |
מקור: OpenAI
הציון הגבוה ב-pass@1 מראה שכבר בניסיון הראשון לענות על שאלה ב-GAIA, מודל Deep Research מדויק יותר ממודלים קודמים. הציון ב-cons@64 (שמודד ביצועים בכמה ניסיונות תשובה) מדגיש עוד יותר את היכולת שלו לתקן את עצמו ולהתאים את התשובה בהתאם למידע חדש.
הערכות פנימיות
OpenAI ביצעה גם הערכות פנימיות, שבהן מומחים בתחומים שונים דירגו את Deep Research במשימות ברמת מומחה. אני מצאתי את התוצאות הפנימיות הללו מעניינות במיוחד!
הגרף הבא מציג שהסיכוי שהמודל יפתור בהצלחה משימה עולה ככל שהוא מבצע יותר “קריאות לכלים”. זה מדגיש את החשיבות של לאפשר לו לגלוש ולנתח מידע בצורה איטרטיבית—ככל שהוא חושב יותר זמן, כך התוצאות משתפרות.
נעבור לגרף נוסף—ראו למטה. Deep Research מציג ביצועים טובים יותר במשימות עם ערך כלכלי מוערך נמוך, בעוד שהדיוק יורד ככל שהמשימה בעלת פוטנציאל כלכלי גדול יותר. זה מרמז שמשימות משמעותיות יותר מבחינה כלכלית נוטות להיות מורכבות יותר או להסתמך על ידע פרטי שלא נגיש בקלות ברשת.
בגרף הבא משווים בין שיעור ההצלחה (pass rate) לבין הערכת שעות העבודה שהיו נדרשות לבן אדם לבצע את המשימה. הביצועים של המודל הכי טובים במשימות שהיו לוקחות לאדם בין 1 ל-3 שעות, אבל לא רואים ירידה עקבית בביצועים עם התארכות הזמן—מה שמראה שהקושי של AI לא תמיד חופף לכמה זמן המשימה לוקחת לבן אדם.
איך להשתמש ב-Deep Research: דוגמאות מעשיות
נכון לזמן כתיבת המאמר הזה, Deep Research זמין רק למשתמשי Pro (מנוי בעלות של 200$ לחודש), עם הגבלה של 100 שאילתות בחודש. אך OpenAI מתכננת להרחיב גישה למשתמשי Plus, Team ו-Enterprise בקרוב.
לדעתי, Deep Research עדיין בשלב התחלתי. למרות שהוא מראה הבטחה, הדוגמה הראשונה למטה מדגישה לא מעט בעיות. לעומת זאת, הדוגמה השנייה מציגה את הפוטנציאל העצום שבו.
דוגמה 1: AI ecosystems
אני מוצא את עצמי נאבק כל הזמן להשיג מבט כולל על ה-AI ecosystems של חברות שונות. קחו לדוגמה את Google—יש להם Gemini 2.0 Flash, Imagen 3, Veo 2, Project Mariner, Project Astra… מה עוד אני מפספס? כדי לקבל סוף סוף תמונה ברורה, Deep Research של OpenAI התבקש לבצע את המחקר הזה.
שימו לב שהמודל לא התחיל במחקר מיד, אלא ביקש הבהרות. בכל הבדיקות, לא משנה כמה מדויקת הייתה השאילתה הראשונה, המודל תמיד ניסה לחדד מה הוא מחפש. מבחינתי זה שימושי, כי אני חושב שהבקשה ברורה, אבל בפועל, היא תמיד יכולה להשתפר עוד קצת.
לאחר מענה על השאלות שלו, המחקר התחיל. בצד ימין של הדפדפן הופיעה תצוגה של פעילות הסוכן והמקורות שהוא ניגש אליהם בזמן אמת:
לקח לו 11 דקות, והמודל בדק בסך הכל 25 מקורות. שימו לב ש”מקור” הוא אתר הורה, והמודל יכול לגלוש בכמה דפים מאותו אתר—אז עבור 25 מקורות עם ממוצע של כארבעה דפים למקור, אפשר להניח שהמודל עבר על כ-100 דפי אינטרנט.
בסופו של דבר, התוצאה מאכזבת. אבל נתחיל ממה שהיה טוב בעיניי:
- למרות שלא צויין שום מבנה, התשובה הייתה מאורגנת היטב, עם חלוקה ברורה לקטעים, שימוש בכותרות מודגשות, גדלי פונטים ונקודות.
- המקורות מופיעים במקומות הנכונים, מיד אחרי המידע שהם מתייחסים אליו, מה שמקל על בדיקת העובדות.
- הדוח היה מפורט, אבל לא ארוך מדי. תמיד אפשר לבקש עוד פירוט אם צריך.
עם זאת, היו כמה בעיות, ואתמקד בעיקריות שבהן:
- חוסר דיוק: הוא בלבל בין DeepSeek-V3 ל-DeepSeek-R1 (אל תשכחו שאתם יכולים לקרוא את התשובה בעצמכם כאן).
- מידע מיושן: למרות שביקשתי במפורש מידע עדכני, Deep Research טען שהמודל האחרון של Meta הוא Llama 2 ושהאחרון של Anthropic הוא Claude 2, והזכיר שמועות על משהו בשם “Sonnet” ו-“Haiku”. זה הצחיק אותי בהתחלה, אבל אז חשבתי כמה אנשים עלולים לקבל את הדברים האלה כעובדות.
- ציות חלקי להנחיות: אמרתי במפורש לא לכלול את GPT-4 ולהתמקד במודלים האחרונים, אבל הוא לא הקשיב.
- תשובות חסרות: בחלק על OpenAI לא הוזכרו מודלים חשובים כמו o1, ובחלק של Google נעדר לגמרי Veo.
הבעיות האלו מקשות לסמוך על Deep Research של OpenAI. בכוונה בחרתי להציג דוגמא שאני מכיר בו היטב, כדי שאוכל לבדוק את העובדות—אבל מה אם הייתי סומך עליו בנושא שאני לא מכיר בכלל?
דוגמה 2: נושא Evergreen
אולי הבעיה היא ש-Deep Research עדיין לא מספיק טוב בזיהוי המידע הכי עדכני. אז החלטתי להציג דוגמא על נושא יותר “על-זמני”—כזה שלא תלוי כל כך בפיתוחים אחרונים.
מי שנוהג במכונית וחושב לפעמים להחליף אותה, תמיד נתקע באותה שאלה: לקנות רכב חדש או משומש? רכב חדש מאבד ערך מהר, אבל משומש עלול לדרוש תיקונים יקרים. מה מומחים חושבים על הנושא? וזאת דוגמא מצוינת לבקש מ-Deep Research לחפש מגוון מחקרים ודעות ולרכז אותם.
לפני שנמשיך, טיפה עצה ממני: לפני שאתם פונים ל-Deep Research, נסו לחדד את השאלה בעזרת מודל ה-LLM הרגיל שלכם. התחילו ב”אתה מהנדס הנחיות מומחה. עזור לי לחדד את הפרומפט הבא: (הפרומפט שלכם)” וכך אפשר לקבל פרומפט משופר שניתן לשלוח ל-Deep Research:
בדיוק כמו קודם, Deep Research ביקש הבהרות לפני שהתחיל, ואז סיים את המחקר ב-6 דקות, תוך שהוא עובר על עמודים שונים ב-12 מקורות. אתם יכולים לקרוא את הדוח המלא כאן.
הפעם, התשובה הייתה טובה—טובה מאוד!
לא חשבתי שאפשר להתבונן בנושא הזה מכל כך הרבה זוויות. כמות המידע הייתה מרשימה, ובהערכה גסה, Deep Research יכול לחסוך שעות רבות של חיפושים וקריאה. הוא שילב מחקרים אקדמיים, דוחות תעשייה, ניתוחי מגמות שוק, השוואות עלויות ביטוח ועוד.
אני לא מומחה בתחום, אז אני לא יכול להעריך במלואו את הדיוק של הדוח. אבל מנקודת מבט של צרכן, הרבה מהמידע נשמע הגיוני ויכול באמת לעזור.
בדיוק כמו בדוגמה הראשונה, רמת הפירוט הייתה מאוזנת, ומבנה הפלט היה מצוין. אהבתי במיוחד את הטבלה שהוצגה—רק תסתכלו על ערכי הפחת שם, ותבינו למה אני נשאר עם ההיברידית בת ה-12 שלי עוד קצת זמן.
ניתן לקרוא את השיחה המלאה עם Deep Research כאן.
מסקנה
Deep Research של OpenAI מציג פוטנציאל גדול ויכול לחסוך לכולנו הרבה זמן מחקר. עם זאת, הוא עדיין לא תמיד אמין בכל מה שקשור למידע עדכני, ולעיתים מייצר עובדות או מסקנות שגויות.
אני עדיין חושב ש-Deep Research נמצא בשלב ראשוני, וצוות OpenAI מודה בזה בגלוי בפוסט ההכרזה שלהם.
באופן אישי, אני מתכנן להמשיך לחקור את Deep Research, וכולי תקווה שהוא ילך וישתפר.