KI Open Source Alternative: Společně AI publikuje zdroj-otevřený „Otevřený hluboký výzkum“ pro podrobný tkaný výzkum

Publikováno dne: 19. dubna 2025 / Aktualizace od: 19. dubna 2025 - Autor: Konrad Wolfenstein

KI Open Source Alternative: Společně AI publikuje zdroj-otevřený „Open Deep Research“ pro podrobný webový výzkum-image: xpert.digital

Strukturovaný, zdroj, výkonný: společně AI přináší hluboký výzkum na novou úroveň

Společně AI představuje „Otevřený hluboký výzkum“: alternativa open source k OpenAis Deep Research

16. dubna 2025 společnost AI vydala společnost AI „Open Deep Research“ - zdrojový systém pro strukturovaný webový výzkum, který byl navržen jako alternativa k hlubokému výzkumu OpenAIS. Tento nástroj může odpovědět na složité otázky prostřednictvím vícestupňového webového výzkumu a vytvářet komplexní zprávy založené na zdroji. Na rozdíl od proprietárních řešení poskytuje společnost AI veřejně AI kompletní kód, datové záznamy a systémovou architekturu pro podporu dalšího rozvoje založeného na komunitě.

Vhodné pro:

OpenAI Deep Research: Pro uživatele se doporučuje hybridní přístup: AI Deep Research jako počáteční screeningový nástroj

Architektura otevřeného hlubokého výzkumu

Open Deep Research pracuje se čtyřmistupňovým pracovním postupem, který napodobuje proces lidského výzkumu. Proces začíná krokem plánování, ve kterém model AI vytváří seznam relevantních vyhledávacích dotazů. Vhodný obsah z webu se poté shromažďuje prostřednictvím API TaVily Search API. Hodnotící model poté zkontroluje, zda existují nějaké mezery v znalostech předtím, než model psaní konečně vytvoří konečnou zprávu.

Zvláštní přístup společnosti AI spočívá v používání různých specializovaných modelů pro různé úkoly v pracovním postupu-tzv. „Směs agenta“ (MOA). Pro implementaci se používají následující modely AI:

Plánovač: QWEN2.5-72B Instructe Turbo z Alibaby za plánování a uvažování dovedností
Shrnutí: Llama 3.3-70B Instructe Turbo z meta, aby shrnul dlouhý web obsah
JSON Extract: Llama 3.1-70B Instructe Turbo z meta pro strukturovanou extrakci informací
Výrobce hlášení: Deepseek-V3 pro agregaci informací a vytváření vysoce kvalitních výzkumných zpráv

Aby bylo možné řešit delší texty, souhrnný model shrnuje obsah kompaktně a vyhodnocuje jeho relevanci. To zabraňuje přetékání kontextových oken hlasových modelů.

Technický zásobník a integrace

Jako technický základ jsou modely poskytovány prostřednictvím své vlastní společnosti AI Cloud Platform. Prohledávání webu a dotaz na obsah probíhá prostřednictvím Tavily, přičemž konkrétní výhodou je, že vyhledávání i vyhledávání obsahu webových stránek lze volat v jednom volání API.

Doba zpracování pro typický požadavek je mezi 2 a 5 minutami, v závislosti na složitosti požadavku a počtu hodnocení a reflexní smyčky.

Multimodální vydání a rozšířené funkce

Open Deep Research je nejen omezen pouze na textová vydání, ale také nabízí řadu multimodálních funkcí:

Edice HTML: Výsledky jsou uvedeny ve strukturovaném formátu HTML, text a vizuální prvky jsou kombinovány
Schémata: Automatické vytvoření diagramů prostřednictvím mořské panny JavaScript knihovny JS
Pokryté obrázky: Generování tematicky vhodných obrázků pomocí modelů Flux Flux Black Forest Labs
Funkce podcastu: Automatické vytvoření kompaktního zvukového podcastu, který shrnuje hlavní body zprávy pomocí modelů Sonic Language z Cartesia

Tyto multimodální výstupní formáty umožňují komplexnější a přitažlivější prezentaci zkoumaných informací.

Vyhodnocení výkonu a benchmarky

Společně AI vyhodnotila výkon otevřeného hlubokého výzkumu pomocí tří populárních benchmarků:

Snímky: Test na vícestupňové logické závěry
Simpleqa: Zkoumání faktických znalostí
Hotpotqa: Vyhodnocení otázek s více hopy, které vyžadují několik kroků závěru

Ve všech třech benchmarcích otevřete hluboký výzkum mnohem lépe než základní modely bez vyhledávacích nástrojů. Také ve srovnání s podobnými otevřenými systémy, jako jsou Langchains, otevírají hluboký výzkum (LDR) a objímání tváří Smolagen (SearchCodeagent), systém obvykle dosáhl vyšší kvality odpovědi.

Obzvláště důležitým výsledkem hodnocení bylo poznání, že několik po sobě jdoucích výzkumných kroků výrazně zlepšuje kvalitu odpovědi. Když je omezena na jediný vyhledávání, přesnost klesla znatelně.

Známá omezení a výzvy

Navzdory pokroku společně AI označuje různá omezení jeho systému:

Pokračování chyby: Chyby v počátečních krocích pracovního postupu mohou pokračovat celým potrubí a vést k nesprávným konečným výsledkům
Halucinace: Hallucinace mohou nastat při interpretaci zdrojů, zejména s nejednoznačnými nebo protichůdnými informacemi
Strukturální deformace: Výsledky mohou ovlivnit zkreslení údajů o tréninku nebo vyhledávání
Topularita: Témata s vysoko -date potřebami nebo nízkým webem jsou zvláštní výzvou
Problém ukládání do mezipaměti: Implementované ukládání do mezipaměti může snížit náklady, ale vede k dodání zastaralých informací bez vhodného času vypršení platnosti

Tato omezení jsou typická pro současné výzkumné nástroje AI a představují důležité výzvy pro budoucí zlepšení.

Vhodné pro:

Gemini Deep Research 2.0-Google Ki-Modell Apgrade-Information o Gemini 2.0 Flash, Flash Thinking and Pro (Experimental)

Otevřený hluboký výzkum ve srovnání s jinými nabídkami

Vývoj hlubokých výzkumných funkcí je v současné době trendem mezi poskytovateli AI. OpenAAI původně představil tento koncept, ale nyní Google, Grok a zmatenost také nabízejí podobné funkce. Antropic nedávno také představil výzkumnou funkci založenou na agentech pro svůj model Claude.

Objímání tváře již představila zdrojovou alternativu krátce po publikaci OpenAI, ale dále ji nevyvinula. Jako vyhledávače AI nabízí zmatenost bezplatnou alternativu k ChatGPT hlubokému výzkumu, přičemž uživatelé mohou každý den provádět až pět vyhledávání s „hlubokým výzkumem“.

Na rozdíl od uzavřených systémů, jako je OpenAis Deep Research (část předplatného Chatgpt Pro je za zhruba 200 USD měsíčně), AI nabízí zcela otevřenou a otevřenou alternativu.

Zaměření na komunitu a rozšiřitelnost

Společně AI úmyslně navrhl otevřený hluboký výzkum jako otevřenou platformu, kterou komunita může rozšířit a vylepšit. Architektura byla navržena tak, aby byla snadno rozšířena - vývojáři mohou integrovat své vlastní modely, upravit zdroje dat nebo přidat nové výstupní formáty.

Kompletní kód a dokumentace byly zveřejněny na GitHubu, společně se sadou hodnocení dat a podrobnými vysvětleními v blogu společnosti. Společně AI vidí svůj systém jako základ pro další experimenty a vylepšení komunity s otevřeným zdrojovým kódem.

Tato otevřenost je na rozdíl od uzavřených přístupů jiných velkých společností AI a odráží dohromady širší zapojení AI pro AI s otevřeným zdrojovým kódem, což bylo také vyjádřeno v předchozích projektech, jako je nedávná zveřejnění modelu kódování se zdrojem na úrovni O3-mini, ale s výrazně méně parametrům než uzavřená konkurence.

Význam pro výzkumné prostředí AI

Zveřejnění Open Deep Research společností společně AI znamená důležitý krok v demokratizaci pokročilých výzkumných nástrojů AI. S kombinací výkonných modelů AI, strukturovaného víceúrovňového webového výzkumu a multimodálních výstupních formátů nabízí systém slibnou alternativu k proprietárním řešením.

Otevřený přístup umožňuje vývojářům a výzkumným pracovníkům přizpůsobit, rozšiřovat a zlepšovat systém na jejich potřeby. To by mohlo vést k inovativnějším a rozmanitějším aplikacím z dlouhodobého hlediska, než by bylo možné u uzavřených systémů.

Přestože stále existují výzvy, zejména s ohledem na halucinace, zaujatost a topicialitu, společně AI Otevřené hluboké výzkumy ukazují, že výkonné výzkumné nástroje AI nemusí být omezeny na proprietární platformy. Tato iniciativa nejen podporuje otevřený přístup k pokročilé technologii AI, ale také přispívá k transparentnosti a sledovatelnosti-důležité faktory pro důvěru ve výsledky výzkumu podporovaných AI.

Vhodné pro: