Diterbitkan pada: 19 April 2025 / Pembaruan Dari: 19 April 2025 - Penulis: Konrad Wolfenstein
Ki Open Source Alternative: Together AI menerbitkan sumber "Open Deep Research" yang terbuka untuk gambar riset web terperinci: Xpert.digital
Terstruktur, sumber, kuat: Bersama AI membawa penelitian mendalam ke tingkat yang baru
Bersama AI memperkenalkan "Riset Deep Open": Alternatif Open Source untuk Openais Deep Research
Pada 16 April 2025, Bersama AI merilis "Open Deep Research" - sistem sumber -open untuk riset web terstruktur, yang dirancang sebagai alternatif untuk OpenAis Deep Research. Alat ini dapat menjawab pertanyaan kompleks melalui riset web multi -panggung dan membuat laporan yang komprehensif dan berbasis sumber. Berbeda dengan solusi kepemilikan, bersama-sama AI secara publik menyediakan kode lengkap, catatan data, dan arsitektur sistem untuk mempromosikan pengembangan lebih lanjut berbasis masyarakat.
Cocok untuk:
Arsitektur Open Deep Research
Open Deep Research bekerja dengan alur kerja empat tahap yang meniru proses penelitian manusia. Proses dimulai dengan langkah perencanaan di mana model AI membuat daftar pertanyaan pencarian yang relevan. Konten yang tepat dari web kemudian dikumpulkan melalui API pencarian yang tavily. Model evaluasi kemudian memeriksa apakah ada kesenjangan pengetahuan sebelum model penulisan akhirnya membuat laporan akhir.
Pendekatan khusus AI bersama-sama terletak pada penggunaan model khusus yang berbeda untuk tugas yang berbeda dalam alur kerja-A yang disebut pendekatan "campuran agen" (MOA). Model AI berikut digunakan untuk implementasi:
- Perencana: Qwen2.5-72b Instruktur Turbo dari Alibaba untuk Keterampilan Perencanaan dan Penalaran
- Ringkasan: Llama 3.3-70B Instruksikan Turbo dari Meta untuk merangkum konten web yang panjang
- JSON Extractor: LLAMA 3.1-70B Instruktur Turbo dari Meta untuk Ekstraksi Informasi Terstruktur
- Pabrikan Pelaporan: Deepseek-V3 untuk agregasi informasi dan penciptaan laporan penelitian berkualitas tinggi
Agar dapat menangani teks yang lebih panjang, model ringkasan merangkum konten secara rumit dan mengevaluasi relevansinya. Ini mencegah jendela konteks model suara dari overflowing.
Tumpukan teknis dan integrasi
Sebagai dasar teknis, model disediakan melalui platform cloud AI bersama mereka sendiri. Pencarian web dan kueri konten berlangsung melalui Tavily, di mana keuntungan tertentu adalah bahwa pencarian dan pencarian konten situs web dapat dipanggil dalam satu panggilan API.
Waktu pemrosesan untuk permintaan khas adalah antara 2 dan 5 menit, tergantung pada kompleksitas permintaan dan jumlah evaluasi dan loop refleksi.
Edisi multimodal dan fungsi yang diperluas
Open Deep Research tidak hanya terbatas pada edisi teks, tetapi juga menawarkan sejumlah fungsi multimodal:
- Edisi HTML: Hasilnya disajikan dalam format HTML terstruktur, elemen teks dan visual digabungkan
- Diagram: Pembuatan Diagram Otomatis melalui Perpustakaan Javascript Mermaid JS
- Cover Images: Generasi gambar yang cocok secara tematis dengan bantuan model fluks Black Forest Labs
- Fungsi podcast: Pembuatan otomatis podcast audio kompak yang merangkum poin utama laporan menggunakan model bahasa Sonic dari Cartesia
Format output multimodal ini memungkinkan presentasi informasi yang diteliti yang lebih komprehensif dan menarik.
Evaluasi kinerja dan tolok ukur
Bersama AI mengevaluasi kinerja Open Deep Research menggunakan tiga tolok ukur populer:
- Bingkai: Tes untuk Kesimpulan Logis Multi -Tahap
- SimpleQA: Pemeriksaan Pengetahuan Faktual
- Hotpotqa: Evaluasi pertanyaan multi-hop yang memerlukan beberapa langkah kesimpulan
Dalam ketiga tolok ukur, Open Deep Research memotong jauh lebih baik daripada model dasar tanpa alat pencarian. Juga dibandingkan dengan sistem terbuka yang serupa seperti Langchains Open Deep Research (LDR) dan memeluk wajah Smolagen (SearchCodeagent), sistem biasanya mencapai kualitas jawaban yang lebih tinggi.
Hasil yang sangat penting dari evaluasi adalah kesadaran bahwa beberapa langkah penelitian berturut -turut secara signifikan meningkatkan kualitas jawaban. Ketika terbatas pada satu pencarian, akurasi turun secara nyata.
Pembatasan dan tantangan yang diketahui
Terlepas dari kemajuan, bersama -sama AI menunjukkan berbagai batasan pada sistemnya:
- Kelanjutan Kesalahan: Kesalahan dalam langkah -langkah awal alur kerja dapat dilanjutkan melalui seluruh pipa dan menyebabkan hasil akhir yang salah
- Halusinasi: halusinasi dapat terjadi ketika menafsirkan sumber, terutama dengan informasi yang ambigu atau kontradiktif
- Distorsi Struktural: Bias dalam Data Pelatihan atau Indeks Pencarian dapat mempengaruhi hasil
- Topularity: Topik dengan kebutuhan atas -untuk -tanggal atau sampul web rendah adalah tantangan khusus
- Masalah caching: caching yang diterapkan dapat mengurangi biaya, tetapi mengarah pada pengiriman informasi yang sudah ketinggalan zaman tanpa waktu kedaluwarsa yang tepat
Pembatasan ini adalah tipikal alat penelitian AI saat ini dan mewakili tantangan penting untuk perbaikan di masa depan.
Cocok untuk:
Open Deep Research dibandingkan dengan penawaran lainnya
Pengembangan fungsi penelitian yang mendalam saat ini merupakan tren di antara penyedia AI. OpenAai awalnya memperkenalkan konsep tersebut, tetapi sekarang Google, Grok, dan kebingungan juga menawarkan fungsi yang sama. Antropik baru-baru ini juga mempresentasikan fungsi penelitian berbasis agen untuk model Claude-nya.
Face Hugging telah menyajikan alternatif sumber -terbuka tak lama setelah publikasi Openai, tetapi tidak mengembangkannya lebih jauh. Sebagai mesin pencari AI, kebingungan menawarkan alternatif gratis untuk riset mendalam chatgpts, di mana pengguna dapat melakukan hingga lima pencarian dengan "riset mendalam" setiap hari.
Berbeda dengan sistem berbayar tertutup seperti OpenAis Deep Research (bagian dari langganan ChatGPT Pro adalah sekitar $ 200 per bulan), bersama-sama AI menawarkan alternatif yang sepenuhnya terbuka dan terbuka sumber.
Fokus dan pengembangan masyarakat
Bersama -sama AI dengan sengaja merancang penelitian mendalam terbuka sebagai platform terbuka yang dapat diperluas dan ditingkatkan oleh masyarakat. Arsitektur ini dirancang sehingga dapat dengan mudah diperluas - pengembang dapat mengintegrasikan model mereka sendiri, menyesuaikan sumber data atau menambahkan format output baru.
Kode lengkap dan dokumentasi diterbitkan di GitHub, bersama dengan set data evaluasi dan penjelasan terperinci di blog perusahaan. Bersama -sama AI melihat sistemnya sebagai dasar untuk eksperimen dan peningkatan lebih lanjut dari komunitas open source.
Keterbukaan ini berbeda dengan pendekatan tertutup dari perusahaan AI besar lainnya dan mencerminkan AI keterlibatan AI yang lebih luas untuk AI open source, yang juga diekspresikan dalam proyek-proyek sebelumnya, seperti publikasi baru-baru ini dari model pengkodean open-open pada tingkat O3-mini, tetapi dengan parameter yang jauh lebih sedikit daripada kompetisi tertutup.
Artinya untuk lanskap penelitian AI
Publikasi Open Deep Research oleh Together AI menandai langkah penting dalam demokratisasi alat penelitian AI canggih. Dengan kombinasi model AI yang kuat, penelitian web multi-level terstruktur dan format output multimodal, sistem ini menawarkan alternatif yang menjanjikan untuk solusi kepemilikan.
Pendekatan terbuka memungkinkan pengembang dan peneliti untuk beradaptasi, memperluas, dan meningkatkan sistem sesuai kebutuhan mereka. Hal ini dapat mengarah pada aplikasi yang lebih inovatif dan beragam dalam jangka panjang daripada yang dimungkinkan dengan sistem tertutup.
Meskipun masih ada tantangan, terutama yang berkaitan dengan halusinasi, bias, dan topikalitas, bersama -sama AIS Open Deep Research menunjukkan bahwa alat penelitian AI yang kuat tidak harus terbatas pada platform berpemilik. Inisiatif ini tidak hanya mempromosikan akses terbuka ke teknologi AI canggih, tetapi juga berkontribusi terhadap faktor transparansi dan keterlacakan yang penting untuk kepercayaan pada hasil penelitian yang didukung AI.
Cocok untuk:
Transformasi AI Anda, Integrasi AI dan Pakar Industri Platform AI
☑️ Bahasa bisnis kami adalah Inggris atau Jerman
☑️ BARU: Korespondensi dalam bahasa nasional Anda!
Konrad Wolfenstein
Saya akan dengan senang hati melayani Anda dan tim saya sebagai penasihat pribadi.
Anda dapat menghubungi saya dengan mengisi formulir kontak atau cukup hubungi saya di +49 89 89 674 804 (Munich) . Alamat email saya adalah: wolfenstein ∂ xpert.digital
Saya menantikan proyek bersama kita.
