公開日: 2025年4月19日 / 更新日: 2025年4月19日 – 著者: Konrad Wolfenstein
AIオープンソース代替：Together AIが詳細なウェブ調査のためのオープンソース「Open Deep Research」をリリース – 画像：Xpert.Digital
構造化され、オープンソースで、強力:Together AI は、深い研究を新たなレベルに引き上げます
Together AIが「Open Deep Research」を発表：OpenAIのDeep Researchに代わるオープンソースのソリューション
2025年4月16日、Together AIは「Open Deep Research」をリリースしました。これは、OpenAIのDeep Researchの代替として設計された、構造化ウェブリサーチのためのオープンソースシステムです。このツールは、多段階のウェブリサーチを通じて複雑な質問に答え、包括的なソースベースのレポートを生成することができます。独自のソリューションとは異なり、Together AIはコミュニティベースの開発を促進するため、完全なコード、データセット、システムアーキテクチャを公開しています。.
に適し：
Open Deep Researchのアーキテクチャ
Open Deep Researchは、人間の調査プロセスを模倣した4段階のワークフローを採用しています。プロセスは計画段階から始まり、AIモデルが関連する検索クエリのリストを生成します。次に、Tavily検索APIを使用してWebから関連するコンテンツを収集します。評価モデルが残っている知識ギャップをチェックし、最後にライティングモデルが最終レポートを生成します。.
Together AIの独自のアプローチは、ワークフロー内の様々なタスクに特化した様々なモデル、いわゆる「Mixture-of-Agents（MoA）」アプローチを用いることにあります。実装には以下のAIモデルが使用されます。
- プランナー:計画力と推論力を高める Alibaba の Qwen2.5-72B-Instruct-Turbo
- 要約: 長いウェブコンテンツを要約するためのMetaのLlama-3.3-70B-Instruct-Turbo
- JSON 抽出ツール: 構造化情報抽出用の Meta の Llama-3.1-70B-Instruct-Turbo
- レポート作成ツール: 情報を集約し、高品質な調査レポートを作成するための DeepSeek-V3
より長いテキストを処理するために、要約モデルはコンテンツをコンパクトに要約し、その関連性を評価します。これにより、言語モデルのコンテキストウィンドウがオーバーフローするのを防ぎます。.
技術スタックと統合
モデルはTogether AI独自のクラウドプラットフォームを通じて提供されます。Web検索とコンテンツ取得はTavilyによって処理され、Webサイトコンテンツの検索と取得の両方を1回のAPI呼び出しで実行できるという大きな利点があります。.
一般的なリクエストの処理時間は、リクエストの複雑さと評価およびリフレクション ループの数に応じて 2 ～ 5 分です。.
マルチモーダル出力と拡張機能
Open Deep Research はテキスト出力に限定されず、さまざまなマルチモーダル機能を提供します。
- HTML 出力: 結果は、テキストと視覚要素を組み合わせた構造化された HTML 形式で表示されます。
- チャート: Mermaid JS JavaScript ライブラリによるチャートの自動作成
- 表紙画像: Black Forest Labs の Flux モデルを使用して、テーマに適した画像を生成します。
- ポッドキャスト機能: Cartesia の Sonic 音声モデルを使用して、レポートの要点を要約したコンパクトなオーディオ ポッドキャストを自動的に作成します。
これらのマルチモーダル出力形式により、調査した情報をより包括的かつ魅力的に提示できるようになります。.
パフォーマンス評価とベンチマーク
Together AI は、3 つの一般的なベンチマークを使用して Open Deep Research のパフォーマンスを評価しました。
- フレーム: 多段階の論理的推論のテスト
- SimpleQA: 事実知識のテスト
- HotPotQA: 複数ステップの推論を必要とするマルチホップ質問の評価
3つのベンチマークすべてにおいて、Open Deep Researchは検索ツールなしの基本モデルよりも大幅に優れたパフォーマンスを示しました。LangChainのOpen Deep Research（LDR）やHugging Faces SmolAgents（SearchCodeAgent）といった類似のオープンシステムと比較しても、Open Deep Researchは全体的に高い応答品質を達成しました。.
評価において特に重要な発見は、複数の連続した検索ステップによって回答の質が大幅に向上したことです。単一の検索に限定した場合、精度は著しく低下しました。.
既知の制限と課題
進歩にもかかわらず、Together AI はシステムのいくつかの限界を指摘しています。
- エラーの伝播: ワークフローの初期段階でのエラーがパイプライン全体に伝播し、最終結果に誤りが生じる可能性があります。
- 幻覚: 特に曖昧または矛盾した情報を含む情報を解釈するときに、幻覚が発生することがあります。
- 構造的バイアス: トレーニング データまたは検索インデックスのバイアスによって結果が影響を受ける可能性があります。
- 適時性: 高い話題性が求められるトピックや Web でカバーされる範囲が狭いトピックは、特に困難です。
- キャッシュの問題: キャッシュを実装するとコストを削減できますが、適切な有効期限がないと古い情報が配信されることになります。
これらの制限は現在の AI 研究ツールに典型的なものであり、将来の改善に向けた重要な課題を表しています。.
に適し：
Open Deep Researchと他のサービスの比較
ディープリサーチ機能の開発は、現在AIプロバイダーの間でトレンドとなっています。このコンセプトはOpenAIが最初に導入しましたが、現在ではGoogle、Grok、Perplexityも同様の機能を提供しています。Anthropicも最近、Claudeモデルにエージェントベースのリサーチ機能を導入しました。.
Hugging FaceはOpenAIのリリース直後にオープンソースの代替案を既に発表していましたが、それ以上の開発には至りませんでした。AI検索エンジンであるPerplexityは、ChatGPTのDeep Researchの代替案を無料で提供しており、ユーザーは1日に最大5件の「ディープリサーチ」検索を実行できます。.
OpenAI の Deep Research (月額約 200 ドルの ChatGPT Pro サブスクリプションの一部) などのクローズドな有料システムとは異なり、Together AI は完全にオープンでオープンソースの代替手段を提供します。.
コミュニティへの焦点と拡張性
Together AIは、Open Deep Researchをコミュニティによる拡張と改善が可能なオープンプラットフォームとして設計しました。アーキテクチャは容易に拡張できるよう設計されており、開発者は独自のモデルを統合したり、データソースを調整したり、新しい出力形式を追加したりすることができます。.
完全なコードとドキュメントはGitHubで公開されており、評価データセットと詳細な説明は企業ブログに掲載されています。Together AIは、このシステムをオープンソースコミュニティによるさらなる実験と改良の基盤と捉えています。.
このオープン性は、他の大手 AI 企業のクローズドなアプローチとは対照的であり、Together AI のオープンソース AI への幅広い取り組みを反映しています。これは、o3-mini レベルのオープンソース コーディング モデルの最近のリリースなど、以前のプロジェクトでも表明されていますが、クローズドな競合他社よりもパラメーターが大幅に少なくなっています。.
AI研究における意義
Together AIによるOpen Deep Researchのリリースは、高度なAIリサーチツールの民主化に向けた重要な一歩です。強力なAIモデル、構造化された多段階のWebリサーチ、そしてマルチモーダルな出力形式を組み合わせることで、このシステムは独自仕様のソリューションに代わる有望な選択肢を提供します。.
オープンなアプローチにより、開発者や研究者はシステムをニーズに合わせて適応、拡張、改善することができます。長期的には、クローズドシステムでは実現できない、より革新的で多様なアプリケーションが実現される可能性があります。.
特に幻覚、バイアス、適時性といった課題は依然として残っていますが、Together AIのOpen Deep Researchは、強力なAI研究ツールが必ずしも独自のプラットフォームに限定される必要はないことを示しています。この取り組みは、高度なAI技術へのオープンアクセスを促進するだけでなく、AIを活用した研究への信頼を築く上で重要な要素である透明性と再現性の向上にも貢献します。.
に適し：
AIの変革、AI統合、AIプラットフォーム業界の専門家
☑️ 私たちのビジネス言語は英語またはドイツ語です
☑️ NEW: 母国語での通信!
Konrad Wolfenstein
喜んで個人アドバイザーとしてあなたと私のチームにお役に立ちたいと思っています。
お問い合わせフォームにご記入 +49 89 89 674 804 (ミュンヘン)までお電話ください。私のメールアドレスは: wolfenstein ∂ xpert.digital
私たちの共同プロジェクトを楽しみにしています。
